点云处理
点云处理
新手小白勇闯新世界
这个作者很懒,什么都没留下…
展开
-
关于方差与协方差的那些事情
从本科到硕士再到博士,每次要用到协方差我都害怕,感觉自己从来没有真正了解他,所以今天记录了这篇笔记,表明我对它的理解,以后如,方差:为了表示单个随机变量的离散程度。果有新的见解,会持续在本篇进行更新。协方差矩阵:对于多个随机变量,我们可以可以计算任意两个随机变量的协方差,以及单个随机变量方差,组成协方差矩阵。推广到点云数据处理中,可以计算特征点与其邻域点的协方差矩阵。协方差:为了表示两个随机变量的相似程度原创 2024-10-09 15:44:56 · 30 阅读 · 0 评论 -
点云深度学习方法
分类(Classification)、分割(Segmentation)、目标检测(Object Detection)、实例分割(Panoptic Segmentation)、配准(Registration)、点云重构(Reconstruction)。论文:Deep Learning for 3D Point Clouds: A Survey中将方法进行分类其中主要方法可以分为:基于多视图、基于点、基于体素、融合方法。原创 2024-10-09 14:16:02 · 76 阅读 · 0 评论 -
三维点云简述(2)--适合入门小白PointNet++、PointConv
目前,几乎所有的点云数据处理算法首先要进行的就是最远点采样,减小样本点数量的同时,保持原有点云结构,但是这个方法属于非均匀采样,PointConv通过。每组进行特征提取:维度变换,卷积(输入6,输出64)得到提取的特征,每个簇对应一个特征。整体思想不变,在特征提取处使用类似图卷积的方式来整合特征。:d为三维点位信息,C可以看作特征数,N为数据数量。簇的半径大小如何定义,每个簇中选择多少个样本点。要解决的问题:如何选择区域(簇中心的选择);,输出得到每个点的特征,需要进行。从局部入手,多利用局部特征,与。原创 2024-09-04 17:35:02 · 278 阅读 · 0 评论 -
三维点云简述(1)--适合入门小白(PointNet详解)
点云数据处理pointnet原创 2024-08-21 16:56:15 · 236 阅读 · 0 评论 -
主成分分析法PCA
主成分分析法PCA,基础知识,步骤,核心思想原创 2024-09-19 06:34:35 · 552 阅读 · 0 评论