![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
三维点云
一只不出息的程序员
致力于构建人类美好生活的程序员
展开
-
无人驾驶---1 激光雷达的地面-非地面分割和pcl_ros实践
激光雷达的地面-非地面分割和pcl_ros实践PCL基本入门在ROS项目中引入PCL库在无人驾驶的雷达感知中,将雷达点云地面分割出来是一步基本的操作,这一步操作主要能够改善地面点对于地面以上的目标的点云聚类的影响。本文首先带大家入门pcl_ros,首先我们使用pcl_ros编写一个简单的ros节点,对输入点云进行Voxel Grid Filter。接着我们在此实践的基础上实现点云地面和非地面的分割节点。PCL基本入门PCL是一个开源的点云处理库,是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源原创 2020-09-29 09:42:14 · 1295 阅读 · 0 评论 -
VoxelNet: 基于点云的三维空间信息逐层次学习网络
VoxelNet: 基于点云的三维空间信息逐层次学习网络一、简介二、核心思路总结三、要点分析1. 点云的多层次学习2、点云的高效查询四、总结解释地址:https://arxiv.org/abs/1711.06396一、简介这篇文章主要是对来自2017年苹果公司基于点云的3D物体检测论文"VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection"进行解读。VoxelNet只利用点云数据,在无人驾驶环境下实现了高精度的原创 2020-09-08 09:30:33 · 467 阅读 · 0 评论 -
自动驾驶场景实时高精度的城市道路场景语义分割方法
Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes1、主要贡献2、相关知识3、方法LBN-AACAM:通道注意力机制独特的空间金字塔池DASPP:空间细节保护网络(SPN)特征融合网络(FFN)总结:文章地址:https://arxiv.org/pdf/2003.08736.pdf网络架构:近年来,深度卷积神经网络(DCNNs)在语义图像分割方面表现出了优异的性能。然而,由于使用复杂的网络架构,原创 2020-08-25 15:32:54 · 2356 阅读 · 2 评论 -
大场景三维点云语义分割模型
大场景三维点云语义分割模型基于2D的方法SqueezeSeg系列一、简介二、核心思路总结三、要点分析四、总结近来关于在无人驾驶场景的大场景点云语义分割方法异常火热,也崩出很多好的idea,这些方法大致分为两类,基于2D的和基于3D的。2D的基本思路是将点云按照某种方式投影到2D平面,并应用成熟的2D语义分割网络做处理。3D的方法一般是直接在3D空间提取特征信息。还有一些方法会融合图像的信息来帮助点云的语义分割。基于2D的方法SqueezeSeg系列SqueezeSeg(https://github原创 2020-06-14 15:39:50 · 5867 阅读 · 0 评论 -
3D点云模型总结
3D点云模型总结点云数据预处理 FAQ1. 点云有哪些常用的数据集?2. 点云中点的个数如何确定?3. 如何划分train/val/test ?4. 如何归一化?5. 如何shuffle?6. 数据增强(augmentation)Farthest Point Sampling (FPS)算法核心思想解析1. 逻辑描述2. 算法原理3. 算法分析PointNet++: classification笔记1. Set Abstraction模块2. 分类网络总体结构3. 总结cuda编程基础:PointNet++原创 2020-06-10 16:39:54 · 10157 阅读 · 2 评论 -
三维点云语义分割模型总结
三维点云语义分割模型总结1.PointNet(CVPR2017)1.1 网络基本架构功能介绍1.2 网络的两个亮点:1.3 解决问题详细方案1.4 实验结果和网络的鲁棒性1.5 pointnet代码详解2.PointNet ++(NIPS 2017)2.1 网络基本架构功能介绍:2.2 网络的亮点:2.3 解决问题详细方案2.4 PointNet++代码解析3. PointSIFT4. Exploring Spatial Context for 3D Semantic Segmentation of Poi原创 2020-06-03 17:50:34 · 2808 阅读 · 0 评论 -
三维点云语义分割基础知识
三维点云语义分割基础知识1. 简介1.1 点云分割介绍1.2 三维数据表达方式1.3 点云的特点及优势2 研究现状2.1 基于人工特征和机器学习的方法2.2 基于深度学习的方法1. 简介1.1 点云分割介绍点云分割,即对点云中的每个点赋予有意义的标注,标注代表可以是任何具有特定意义的信息。在实际应用中,通常是一组代表几种特定类别标签的一个。如果标签具有特定含义,如是一个场景的物体类别,那么这个过程就是一个场景的分割或称语义理解。机器学习技术的进步也使得三维数据理解受益匪浅,尤其是对密集点云这样的大量原创 2020-05-26 16:55:25 · 7535 阅读 · 0 评论 -
PCL-点云处理(二)
PCL—点云处理(二)PCL—低层次视觉—点云分割(最小割算法)1.点云分割的精度2.最小割算法3. 点云 “图”4. PCL对最小割算法的实现PCL—点云滤波(基于点云频率)-低1. 点云的频率2. 基于点云频率的滤波方法3. PCL对该算法的实现PCL—点云分割(超体聚类)-低1. 超体聚类——一种来自图像的分割方法2. 超体聚类的实现步骤3. PCL对超体聚类的实现PCL—点云分割(基于形态学) 低层次点云处理1. 航空测量与点云的形态学2. 三维形态学算子3. PCL对本算法的实现PCL—点云分割(原创 2020-05-18 14:40:46 · 6754 阅读 · 0 评论 -
PCL-点云处理(一)
PCL—点云处理PCL—综述—三维图像处理点云模型与三维信息点云库对滤波算法的实现PCL—点云分割(RanSaC)-低点云分割RanSaC算法PCL中基于RanSaC的点云分割方法PCL—点云分割(邻近信息)-低1.确定领域的方法--kdTree&OcTreePCL—综述—三维图像处理点云模型与三维信息三维图像是一种特殊的信息表达形式,其特征是表达的空间中三个维度的数据。和二维图像相比,三维图像借助第三个维度的信息,可以实现天然的物体-背景解耦。除此之外,对于视觉测量来说,物体的二维信息往往随原创 2020-05-14 15:09:21 · 7746 阅读 · 0 评论