xckkcxxck的博客

本文承接上一篇《使用深度学习进行点云匹配（一）》。在上一篇研究了Demo代码如何实现根据3Dmatch描述子实现点云配对以后，接下来的问题就是如何训练出3Dmatch描述子。在此之前，作者先将数据转换为了TDF体素网络，今天便来解析这部分是怎么做的。但是我昨天研究了一天，有一些地方还是没有搞懂，也只能先记录下来，如果有人明白，可以评论告诉我。先看github中给出的操作步骤：翻译一...

前言：使用深度学习进行点云匹配研究是我的毕设题目。因为之前只学习过深度学习在2D CV上的一些知识，对于三维点云这种东西根本没有听说过，因此也是感觉头大。好在老师给了我一篇paper，让我先去研究里面的方法，这篇论文是CVPR2017年的一篇口头报告，《3DMatch: Learning Local Geometric Descriptors from RGB-D Reconstructions》...

接上一篇，接下来我们要研究的是如何训练出点云中3DMatch描述子。这里我们要引入一个深度学习框架：Marvin,正如我们耳详能熟的keras，pytorch，tensorflow等深度学习框架一样，Marvin也是一个深度学习框架，那么它的特征是什么呢？Marvin是普林斯顿大学视觉工作组http://vision.princeton.edu/新推出的C++框架，它只支持GPU下运行使用，也就...

本文承接前一篇：使用深度学习进行点云匹配四，今天要研究的是关于TDF的具体含义和如何训练3D match描述子的方法。之前提到了使用3D match进行迁移学习的代码，但是那个相当于利用已经训练好的权重只进行了一次前向传播，得出512维的描述子后进行匹配，那么这些权重是如何训练出的，这就是今天要探究的主题。首先回顾一下TDF，之前提到的TDF我并没有很深的理解，今天再次细读论文，论文中的介绍是...

承接上一篇文章《使用深度学习进行点云匹配（三）》。因为之前提到过因为硬件原因我自己无法去训练3Dmatch描述子，因此接下来我的任务是尝试应用这个模型。我更换了原来的点云数据，新数据来自于斯坦福大学的3D扫描数据库，网址为;http://graphics.stanford.edu/data/3Dscanrep/,我使用了其中赫赫有名的兔子模型。点击蓝字进行下载，解压后会发现里面有很多ply...

本文承接上一篇：利用深度学习进行点云匹配（五）。之前的文章介绍了3D match如何进行点云匹配，总结来说它使用了Siamese network的设计思想，在Point cloud，Mesh和Depth map三种数据中找出匹配的对应点，围绕对应点取出一个立方块，计算它的TDF，将匹配的体素块送入模型中，要求训练的损失变得越来越小，同时为对应点找到一个随机的不对应点（这个点也是有要求的），并将...