![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
3D点云的语义分割
文章平均质量分 71
running snail szj
这个作者很懒,什么都没留下…
展开
-
pointnet++代码实现结果
本博客分享一下pointnet++的代码实现结果实现了代码中的点云分类和零件分割部分。PointNet++的代码原理链接:PointNet++代码的实现PointNet++的代码逐行解析(一至五)链接:pointnet++代码逐行解析(二)——— pointnet2_utils.pypointnet++的所有代码和数据集都在github上,Pytorch代码:https://github.com/yanx27/Pointnet2_pytorch零件分割结果如下:点云分类的结果:点云分原创 2021-11-29 12:46:49 · 2384 阅读 · 2 评论 -
论文笔记:空间变换网络(Spatial Transformer Networks)
2015, NIPS**Max Jaderberg, Karen Simonyan, Andrew Zisserman, Koray Kavukcuoglu **Google DeepMind为什么提出(Why)一个理想中的模型:我们希望鲁棒的图像处理模型具有空间不变性,当目标发生某种转化后,模型依然能给出同样的正确的结果什么是空间不变性:举例来说,如下图所示,假设一个模型能准确把左图中的人物分类为凉宫春日,当这个目标做了放大、旋转、平移后,模型仍然能够正确分类,我们就说这个模型在这个任务上具.原创 2021-11-27 19:37:10 · 1593 阅读 · 0 评论 -
Spatial Transformer Networks
一、相关背景如果网络能够对经过平移、旋转、缩放及裁剪等操作的图片得到与未经变换前相同的检测结果,我们就说这个网络具有空间变换不变性(将平移、旋转、缩放及裁剪不变性统称为空间不变性)。具有空间变换不变性的网络能够得到更精确地分类结果。传统CNN网络的池化层具有平移不变性(网络在平移小于池化矩阵的范围时具有平移不变性。所以只有平移小于这个范围,才能保证平移不变性。),但是CNN网络对于大尺度的空间变换并不具备不变性。Spatial Transformer Networks提出的空间网络变换层,具有平移不变性、旋转载 2021-11-26 11:22:07 · 485 阅读 · 0 评论 -
智能汽车三维目标检测算法发展综述及三维物体检测数据集————文献总结
本文章是2021年EI收录的一篇文章在文章的2.4阐述了常见的 “三维物体检测数据集”,包括 Lyft Level 5、 KITTI、 ApolloScape等。原文可以在我的资源中下载:摘要随着计算机视觉人工智能算法的快速发展,二维物体检测取得了巨大的成功,并在各种工业产品中得到了应用。在过去的几年里,二维物体检测的精度有了很大的提高,甚至超过了人眼的检测能力。然而,对于智能驾驶的应用,二维目标检测仍然存在一定的局限性。一辆安全可靠的自动驾驶汽车需要检测周围物体的3D模型,从而使智能驾驶汽车具有翻译 2021-11-23 18:42:42 · 1648 阅读 · 0 评论 -
hough变换算法
VoteNet网络中会用Deep Hough Voting,所以先来学习一下Hough Voting。正文开始hough变换算法1、算法思想霍夫变换于1962年由Paul Hough 首次提出,后于1972年由Richard Duda和Peter Hart推广使用,经典霍夫变换用来检测图像中的直线,后来霍夫变换扩展到任意形状物体的识别,多为圆和椭圆。边缘检测比如canny算子可以识别出图像的边缘,但是实际中由于噪声和光照不均匀等因素,很多情况下获得的边缘点是不连续的,必须通过边缘连接将他们转换为原创 2021-11-21 17:44:36 · 1327 阅读 · 0 评论 -
pointnet++代码逐行解析(五)——— modelnetdataloader
继续巩固PointNet++代码的实现这篇博客,把代码逐行注释一遍!pointnet++的所有代码和数据集都在github上,Pytorch代码:https://github.com/yanx27/Pointnet2_pytorchdata_utils中的modelnetdataloader部分的python代码注释如下:#!/usr/bin/env python# -*- coding: utf-8 -*-# 导入第三方库import numpy as npimport warnings原创 2021-11-20 11:56:53 · 1452 阅读 · 0 评论 -
pointnet++代码逐行解析(四)——— provider
继续巩固PointNet++代码的实现这篇博客,把代码逐行注释一遍!pointnet++的所有代码和数据集都在github上,Pytorch代码:https://github.com/yanx27/Pointnet2_pytorch深度学习中数据预处理provider.py部分的python代码注释如下:import numpy as np# 归一化batch_data,使用以centroid为中心的块的坐标def normalize_data(batch_data): """ Norma原创 2021-11-20 11:51:43 · 1891 阅读 · 2 评论 -
pointnet++代码逐行解析(三)——— text_classification
继续巩固PointNet++代码的实现这篇博客,把代码逐行注释一遍!pointnet++的所有代码和数据集都在github上,Pytorch代码:https://github.com/yanx27/Pointnet2_pytorchtext_classification部分的python代码如下:from data_utils.ModelNetDataLoader import ModelNetDataLoaderimport argparse #python 的命令行解析的模块,内置于pyth原创 2021-11-20 11:44:51 · 1066 阅读 · 5 评论 -
pointnet++代码逐行解析(二)——— pointnet2_utils.py
继续巩固PointNet++代码的实现这篇博客,把代码逐行注释一遍!point_util.py部分的python代码如下:import torchimport torch.nn as nnimport torch.nn.functional as Ffrom time import timeimport numpy as npdef timeit(tag, t): print("{}: {}s".format(tag, time() - t)) return time()#原创 2021-11-20 11:27:27 · 6914 阅读 · 3 评论 -
pointnet++代码逐行解析(一)——— train_classification
python代码如下,逐行分析。"""Author: BennyDate: Nov 2019"""import osimport sysimport torchimport numpy as npimport datetimeimport loggingimport providerimport importlibimport shutilimport argparsefrom pathlib import Pathfrom tqdm import tqdmfrom原创 2021-11-19 22:41:33 · 4621 阅读 · 1 评论 -
ubuntu安装opencv
参照bili大学的视频:【小白用】在Ubuntu 16.04 上安装 OpenCV 3.4.7其中第5步报错:无法定位软件包 libjasper-dev的解决方式为下边两个方法:参照https://ask.csdn.net/questions/694647,方式二亲侧可用。方法一:echo "deb http://us.archive.ubuntu.com/ubuntu/ yakkety universe" | sudo tee -a /etc/apt/sources.listsudo apt-g原创 2021-11-17 16:28:59 · 1890 阅读 · 0 评论 -
视觉SLAM十四讲———相机模型(5.1)
文章根据bili大学的【高翔】视觉SLAM十四讲总结而成,其中也借鉴了一些其他博客。本文是高翔著作的《视觉SLAM十四讲》 第5讲 相机与图像 内容。原创 2021-11-17 15:45:21 · 116 阅读 · 0 评论 -
视觉SLAM十四讲———cmake(2.4.3)
使用cmake编译hellowSLAM工程(P29)在http://github.com/gaoxiang12/slambook中下载源代码,找到其中的ch2文件,其中有c++的文件CMakeLists.txt,对其进行操作。在ubuntu中下载一个cmake,过程如下:1. 官网下载cmake-3.12.2.tar.gz;https://github.com/Kitware/CMake/releases/download/v3.13.2/cmake-3.13.2.tar.gz2. 解压到原创 2021-09-15 16:06:50 · 206 阅读 · 0 评论 -
深度学习在点云分类中的研究综述————文献总结
根据知网的一篇文章写的总结,详见我的资源的pdf:深度学习在点云分类中的研究综述_王文曦.pdf这篇文章详细介绍了点云语义分割的发展概况。正文开始点云的语义分割的发展概况,先上图:...原创 2021-11-11 15:55:47 · 4835 阅读 · 3 评论 -
ImVoteNet:利用图像特征增强点云中的三维物体检测——文献总结
得益于点云深度学习的进步,3D物体检测已经取得了快速进展。最近的一些作品甚至展示了仅使用点云输入的最先进的性能(例如votenet)。然而,点云数据有其固有的局限性。它们是稀疏的,缺乏颜色信息,经常受到传感器噪声的影响。另一方面,图像具有高分辨率和丰富的纹理。因此,它们可以补充点云提供的三维几何。然而,如何有效地利用图像信息辅助基于点云的检测仍然是一个有待解决的问题。在这项工作中,我们建立在votenet的基础上,并提出了一个名为imvotenet的专门用于rgb - d场景的3D检测体系结构。imv原创 2021-11-05 10:59:10 · 1771 阅读 · 1 评论 -
PointNet++代码的实现
代码主要由两部分组成,pointnet_util.py封装着一些重要的函数组件,pointnet2.py用来搭建模型。1. 功能函数文件1、square_distance函数该函数主要用来在ball query过程中确定每一个点距离采样点的距离。函数输入是两组点,N为第一组点的个数,M为第二组点的个数,C为输入点的通道数(如果是xyz时C=3),返回的是两组点之间两两的欧几里德距离,即N × M N\times MN×M的矩阵。由于在训练中数据通常是以Mini-Batch的形式输入的,所以有一个Bat原创 2021-11-02 11:00:16 · 2704 阅读 · 0 评论 -
点云上的深度学习及其在三维场景理解中的应用————3D Scene Understanding with PointNet and PointNet++(三)
最近在学3D方向的语义分析。师兄推荐了一个哔哩大学的将门创投 | 斯坦福大学在读博士生祁芮中台:点云上的深度学习及其在三维场景理解中的应用!的宝藏视频,我会多看几遍,并写下每次观看笔记。up主的个人网页:http://stanford.edu/~rqi下文的截图都源自讲解的PPT,在我的资源:祁芮中台点云讲解.pdf全篇手码,内容较多会持续更新。带问号的句子都是乘上引下的重点作用,文章分为三篇,这是第二篇,请耐心食用。正文继续...原创 2021-10-29 13:22:11 · 1145 阅读 · 0 评论 -
点云上的深度学习及其在三维场景理解中的应用————From PointNet to PointNet++(二)
最近在学3D方向的语义分析。师兄推荐了一个哔哩大学的将门创投 | 斯坦福大学在读博士生祁芮中台:点云上的深度学习及其在三维场景理解中的应用!的宝藏视频,我会多看几遍,并写下每次观看笔记。下文的截图都源自讲解的PPT,在我的资源:祁芮中台点云讲解.pdf全篇手码,内容较多会持续更新。带问号的句子都是乘上引下的重点作用,文章分为三篇,这是第二篇,请耐心食用。正文继续摘要:点云是一种重要的几何数据结构。由于其不规则的格式,大多数研究人员将这种数据转换成规则的三维体素网格或图像集合。然而,这会使数据原创 2021-10-28 20:24:28 · 917 阅读 · 0 评论 -
点云上的深度学习及其在三维场景理解中的应用————PointNet(一)
最近在学3D方向的语义分析。师兄推荐了一个哔哩大学的【PointNet作者亲述】90分钟带你了解3D物体检测算法和未来方向!的宝藏视频,我会多看几遍,并写下每次观看笔记。内容较多会持续更新。...原创 2021-10-27 22:02:09 · 3244 阅读 · 2 评论