azure kinect三维点云_三维点云——系统学习经典方法与前沿技术

本文来源：深蓝学院

/ 导读 /

三维点云是最重要的三维数据表达方式之一。

从技术角度看，SLAM、三维重建、机器人感知等领域，点云都是最简单且最普遍的表达方式：相对于图像，点云有其不可替代的优势——深度，即三维点云直接提供了三维空间的数据，而图像则需要通过透视几何来反推三维数据。从应用角度看，上至无人驾驶中的激光雷达，下至微软 Kinect、iPhone FaceID 以及各种各样的 AR/VR 应用，都需要基于点云的数据处理，比如物体检测、人脸识别、人体姿态估算等。

三维点云处理并不容易，首先，三维点云比图像多了一个维度； 其次，点云是不规则分布的，比图像式的规整网格更难处理； 然后，点云缺少了图像中的纹理，导致了在语义分析方面的困难。 同时，由于三维点云的应用面非常广，所以点云处理所涉及的算法也多种多样，涵盖了机器人、计算机视觉的各个分支。 然而，对比点云处理的庞大需求以及较高技术难度，更难的是目前鲜有针对三维点云的系列课程。伙伴们更容易陷入“调参”，只知表面不懂原理的艰难境地。 基于此，深蓝学院今年4月开设了『三维点云处理』课程，并且两期课程以来，深受广大学员好评。近期又有很多伙伴咨询新一期的开课安排，为此，经过课程组与授课讲师沟通，决定于10月23日开设第3期，诚邀各位伙伴参与，共同学习！

通过课程，可以有哪些收获

• 对三维点云这一领域有全方位的认知，了解三维感知的各种问题及解决方案。

• 深入理解各个经典点云算法，比如 octree，ICP，PointNet 等，并且在真实数据集上实现、应用这些算法。

• 涉猎最前沿的感知(Perception)方向的深度学习算法，比如物体检测、点云配准、特征提取等，了解学术界的热点问题及发展趋势。

• 了解实际应用中各种算法的优势及局限，对于具体问题如何选择合适的算法，以及如何修改算法应对长尾/边缘问题(longtail/edge cases)。

实力讲师，课程保障

黎嘉信 自动驾驶研究科学家 新加坡国立大学(NUS)博士 博士期间，师从电子与计算机系Ben M. Chen教授及计算机系Lee Gim Hee教授，主要研究领域为计算机视觉、深度学习、机器人。在CVPR 2018, ICCV 2019, ICRA 2019, IROS 2017的顶级会议上以第一作者发表论文多篇。在2017, 2015年国际微小型无人机大赛中获得冠军、亚军。 系统科学的学习计划 ( 中文授课 ) 优质服务，为你保驾护航！ 1、社群答疑 课程建立答疑群，高效获取疑问解答的同时，结识更多同领域的伙伴。 2、“三师”助力 班主任督促学习、助教及时批改作业并配合讲师微信群答疑，及时解惑，高效学习。

(向下滑动查看更多答疑内容)< 三维点云第二期课程答疑群截图 >

_

_

_

_

_

3、作业迭代 提交作业，助教批改后，根据助教意见对作业进行迭代修改；没有最好，只有更好！ 4、定期班会 每期班会，助教对作业进行讲评和指导；在班会中，学习更多技巧；在交流中，收获更多思路。 抢占优惠名额 微信扫码，立即报名 现在报名，直接优惠50元！ 名额有限，赶快报名吧！