3D目标检测——公开课 1 :点云深度学习PointCNN
1 点云特点
- sparsity 稀疏性
- disorder 无序性
- limited information 信息有限
2 点云的一般处理方法
2.1 拍照转换为2D的处理
但丢失了结构信息
2.2 Voxel CNN:voxelization 体素化
limitations:
- high space cost
- computational complexity
- low resolution
证明体素化数据稀疏的例子:
(随着体素分割的精确提高,有效的体素占比越来越小)
2.3 O-CNN: 八叉树的思想,只提取体素中有效的部分
3 用深度学习处理点云数据
3.1 PointNet系列:端到端的处理方式
3.1.1 PointNet
主要思想:对称函数
缺点limitations:
- no local information
- limited translation invariance
3.1.2 PointNet++
3.2 PointCNN :把CNN卷积运用到点云数据上
论文:论文地址
代码:PointCNN的github代码地址