【点云系列】Pointfilter: Point Cloud Filtering via Encoder-Decoder Modeling

最新推荐文章于 2024-04-20 14:10:50 发布
最新推荐文章于 2024-04-20 14:10:50 发布
阅读量1.2k 收藏 3
点赞数
分类专栏： 点云类 文章标签： 点云去噪
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43882112/article/details/121809489
版权
Pointfilter是一种基于Encoder-Decoder模型的点云去噪方法，发表于TVCG2021。它通过学习位移矢量来去除点云噪声，采用PCA对齐和伸缩变换减少自由度，同时保持对几何变换的敏感性。方法包括预处理、编码器和解码器的设计以及损失函数的定义。实验表明，尽管Pointfilter在处理尖锐噪声时表现一般，但它提供了紧凑的损失函数表达，并且结合了传统去噪方法的优点。
摘要由CSDN通过智能技术生成

文章目录

1. 概要

发表在TVCG2021 期刊
代码：http://github.com/dongbo-BUAA-VR/Pointfilter
基本使用到了双边滤波的思考

2. 动机

学习位移矢量， 去噪后的点 = 噪声 + 位移矢量
所以本质的处理就是去计算出 这里的位移矢量。

3. 方法

预处理：

给定一组点云 真实块 P P P和噪声块 P ^ \hat{P} P^， r r r是块半径，一般为包围盒对角线5%
在这里插入图片描述
P P P:干净的点云
N N N: 噪声
在这里插入图片描述
一旦生成了块，在点云滤波中需要考虑两个问题：

  1. 如何避免 观察域中不必要的自由度？
  2. 如何保障Pointfilter对某些几何变换敏感？

对于1， 可以将块变换到原点（以 p i ^ \hat{p_i} pi​^​为中心），并且进行一下伸缩变换
在这里插入图片描述

为了保障刚体不变性，使用PAC对齐，先对其Z轴，然后X轴。
为了方便调参，默认输入快

最低0.47元/天 解锁文章
^_^ 晅菲
关注
专栏目录
BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Genera
微风❤水墨
09-11 87
我们的论文表明，噪声网络文本对于视觉-语言学习是次优的，并提出了CapFilt，它以更有效的方式利用网络数据集。Wang et al., 2021）都无法在这两类任务中表现出色，而单一的统一编码器-解码器（Zhou et al., 2020）也限制了模型的能力。与大多数现有的KD方法不同，这些方法只是强制学生模型具有与教师模型相同的类别预测，我们提出的CapFilt可以被解释为在VLP背景下进行更有效的KD的一种方式，其中字幕生成器通过语义丰富的合成字幕传递其知识，而过滤器通过去除噪声字幕传递其知识。
多模态预训练模型选用指南（Vision-Language Pre-traning）
u013250861的博客
12-12 664
2）模型架构：从两个不同的角度，一是从多模态融合的角度分为单流与双流，二是从整体架构设计的角度分为 Encoder-only 与 Encoder-decoder。随机初始化的参数和使用预训练初始化的参数要使用不同的学习率，前者的学习率设置的大一些更好。一共包括以下方面的话题，特征提取、模型架构、预训练目标、预训练数据集和下游任务。本篇整理一下最近几篇关于Vision-Language Pre-traning(VLP)的综述文章，以及一篇很不错的，关于各个组件的选用指南文章。
【记录】PCL 滤波 Filtering a PointCloud using a PassThrough filter 直通滤波
weixin_43661854的博客
05-28 550
官网在哪里啊官网在这里：http://www.pointclouds.org/documentation/tutorials/passthrough.php#passthrough passthrough.cpp // 官网教程：http://pointclouds.org/documentation/tutorials/passthrough.php#passthrough // 在官网教...
Pointfilter: Point Cloud Filtering via Encoder-Decoder Modeling论文解读
weixin_43894075的博客
01-20 1958
Pointfilter: Point Cloud Filtering via Encoder-Decoder Modeling 论文解读 1. METHOD 学习的是位移矢量，噪点+位移矢量=去噪后的点 1.1 Preprocessing 给定一组点云PPP和P^\hat{P}P^，定义噪声块P^\hat{\mathcal{P}}P^和其对应的真实块P\mathcal{P}P Pi^={pj^∣∥pj^−pi^∥<r}Pi={pj∣∥ pj−pi∥<r} \hat{\mathcal{P
点云滤波Filtering
Scarlett的博客
07-04 867
点云滤波方法简介
PCL点云库调库学习系列——点云滤波(附完整代码）
m0_46376148的博客
09-24 4460
1 点云滤波 PCL中总结了集中需要进行点云滤波处理的情况，分别如下： 点云数据密度不规则需要平滑。 因为遮挡等问题造成离群点需要去除。 大量数据需要进行下采样。 噪声数据需要去除。 对应的方法如下： 按具体给定的规则限制过滤去除点 通过常用滤波算法修改点的部分属性 对数据进行下采样 PCL点云格式分为有序点云和无序点云，针对有序点云提供了双边滤波、高斯滤波、中值滤波等，针对无序点云提供了体素栅格、随机采样等。 1.1 直通滤波 直通滤波主要功能共是指定一个维度，去掉在用户指定范围内或范围外的点 关
第4章 点云的滤波与分类 4.1点云数据的过滤
warma12138的博客
06-23 2138
仅供个人学习总结，如有错误，还望指出！！！
【点云系列】综述： Deep Learning for 3D Point Clouds: A Survey
weixin_43882112的博客
12-03 4965
文章目录摘要简介：2 背景2.1 数据集2.2 衡量指标3 3D形状分类3.1基于多视角的方法3.2基于体素的方法3.3 基于点的方法3.3.1逐点MLP网络3.3.2基于卷积的网络3.3.3基于图的网络3.3.4基于数据索引的方法3.3.5其他方法小结4 3D物体检测与跟踪4.1 3D物体检测4.1.1 基于候选区域的方法4.1.2 single-shot方法4.2 3D对象跟踪4.3 3D场景流估计4.4 小结：5 3D点云分割5.1 3D 语义分割5.1.1 基于投影的方法5.1.2 基于离散的方法5
《深入浅出多模态》（六）: 多模态经典模型BLIP
最新发布
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-20 543
本文为《深入浅出多模态》系列多模态经典模型BLIP，首先从整体介绍多模态模型发展，对其中经典BLIP模型进行详述，从具体论文、数据集、代码、模型结构、结果等角度分析，本专栏适合从事多模态小白及爱好者学习，欢迎大家关注，如有侵权请联系删除！
2.1-PCL点云滤波Filtering
TimeRiverForever的博客
04-23 533
返回 >>>>>> PCL-3D点云总目录 点云滤波概述¶ 在获取点云数据时，由于设备精度、操作者经验、环境因素等带来的影响，以及电磁波衍射特性、被测物体表面性质变化和数据拼接配准操作过程的影响，点云数据中将不可避免地出现一些噪声点。实际应用中除了这些测量随机误差产生的噪声点之外，由于受到外界干扰如视线遮挡、障碍物等因素的影响，点云数据中往往存在着一些离主体点云较远的离散点，即离群点。不同的获取设备点云噪声结构也有不同。 通过滤波完成的功能还包括孔洞修复、最小信息损失的海
ROS-读取pcd点云数据进行滤波并在Rviz中显示
qq_33287871的博客
05-29 2369
环境: Ubuntu16.04 ROS Kinetic C++ 创建工作空间: cd Downloads/ROS mkdir -p PointCloudFilter_ws/src cd PointCloudFilter_ws/src catkin_init_workspace cd .. catkin_make 将该工作空间的setup文件路径放到Home路径下的.bashrc文件中: 创建功能包 cd src catkin_create_pkg pointcloudfilter_pkg pcl_co
pointfilter论文知识点记录
include_dream的博客
07-18 619
初次阅读pointfilter论文的结果
python点云滤波_voxel_filter
weixin_39687881的博客
12-18 385
voxel_filter所属分类：Python编程开发工具：Python文件大小：1KB下载次数：3上传日期：2020-08-10 12:00:52上 传 者：Nick-说明：点云滤波是点云处理的基本步骤，也是进行 high level 三维图像处理之前必须要进行的预处理。其作用类似于信号处理中的滤波，但实现手段却和信号处理不一样。点云不是函数，对于复杂三维外形其x,y,z之间并非以某种规律或...
open3d 凸包表面积、体积、包围框的坐标、对角线
m0_73126623的博客
02-21 903
凸包表面积、体积、包围框的坐标、对角线
三、基于PCL裁剪点云（计算点云包围盒）——3D点云处理系列
qq_37967853的博客
11-03 785
有时候需要对点云按一定范围裁剪，也可以计算局部点云的范围，再依照此范围对新点云进行裁剪，这里所说的“范围”在PCL点云处理中称之为“包围盒”。原理就是根据点云四个角点坐标范围进行循环遍历所有符合范围的点云。
3D视觉学习计划之点云的滤波
小俊俊的博客
05-11 2883
点云滤波是一种用于去除点云数据中噪声和异常值的技术。点云数据通常由激光雷达或摄像头等设备采集，由于设备本身的误差或环境因素的影响，采集到的数据中可能会包含一些噪声和异常值。这些噪声和异常值会影响后续的点云处理和分析，因此需要进行滤波处理。点云滤波的主要方法包括：体素滤波器（Voxel Grid Filter）、半径滤波器（Radius Outlier Removal）、统计滤波器（Statistical Outlier Removal）、直通滤波器和双边滤波等方法，接下来对各种点云滤波方法进行操作。
近三年3D点云顶会论文及源码合集，含2023最新
学姐带你玩AI的博客
10-03 1219
目前2D图像识别技术早已成熟，但2D的图像信息只有XY两个维度，而3D点云能够提供三维世界的信息，因此在自动驾驶、机器人和增强现实等各种领域都得到了广泛的应用。近年来随着深度学习的发展，作为计算机视觉新兴研究热点的3D点云技术也在不断更新迭代，目前在数据获取、处理、分析和应用等方面仍然存在许多挑战。我这次整理了近三年各大顶会中3D点云方向的论文，
CVPR2023
热门推荐
weixin_62501745的博客
04-11 1万+
CVPR2023
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值