3D+ML论文阅读
yucong96
这个作者很懒,什么都没留下…
展开
-
PointNet阅读笔记
基本上翻译自[1]:Pointnet: Deep learning on point sets for 3d classification and segmentation,加了一点个人理解。Introduction典型的卷积结构需要规则的数据结构,比如图像或者voxel模型。对于点云、mesh这样的非规则数据结构,往往就会将它们转化成voxel模型或多视角下的二维图片,再用卷积进行处理。二维...翻译 2019-03-05 23:42:06 · 432 阅读 · 0 评论 -
PU-Net阅读笔记:点云的上采样
简述PU-Net在点云上进行上采样,即输入一个点云,输出一个更密的点云,且它落在输入点云隐含的几何体(比如表面)上。点云上采样和图片的超分辨率很像,但因为是三维的点而不是二维的像素,因此也有点云不规则、无顺序的一系列缺陷。PU-Net的核心思想,是学习到每个点多个粒度(从局部到全局)下的特征,再在特征空间中扩大点集,最后将扩大的点集映射回三维。提取特征的方法基于PointNet++。邻域选择...原创 2019-03-26 22:52:52 · 3264 阅读 · 0 评论 -
SGPN阅读笔记:相似性聚类的点云模型分割
简介这也是一篇在PointNet基础上进行模型分割的论文。它的流程是,首先使用PointNet和PointNet++找到每个点对应的特征。然后对特征两两求差,得到相似性矩阵,它表示了一对点是不是属于同一类物体。除相似性矩阵外,SGPN还有一个置信向量,来表示点是否属于模型的一部分(而不是背景);以及一个语义分割矩阵,给同一类的部分打上同样的label。方法SGPN简单且符合直观,它的结构如下...原创 2019-03-27 23:26:42 · 1280 阅读 · 0 评论 -
GeoNet阅读笔记:点云分析上的深度测地网络
目的点和邻近点的测地线距离估计。得到这样的估计后,我们求一个点的邻域时,就可以忽略那些欧氏距离很近,但测地线距离很远的点,从而减小误差。大概过程测地距离估计得到Ground Truth:对每个点xix_ixi求出以rrr为半径的邻域Br(xi)B_r(x_i)Br(xi),对邻域内的每个点求测地距离。Encoder-Decoder部分:特征提取。基于PointNet++,得到...原创 2019-05-06 22:42:27 · 527 阅读 · 1 评论 -
The Perfect Match阅读笔记:平滑密度的3D点云拼接
目的不同点云片片之间的拼接大致过程对每个interest point构建小邻域。在这个邻域内生成局部标架(LRF, Local Reference Frame)做对齐。此步骤使用了协方差矩阵特征分解的方法。此步骤保证了旋转不变性。将小邻域放入一个32*32*32的voxel中,其中点云中的每个点都按高斯分布影响着邻近的voxel。此步骤的方法是平滑密度体素化(SDV, Smooth...原创 2019-05-06 22:46:50 · 1518 阅读 · 0 评论 -
SPPR阅读笔记:单张图片的3D平面重建
目的输入一张图片,得到图片上为平面的部分,并给出平面的三维信息(单位法向)。大致过程这是一个二阶段的学习。第一阶段为从单张图片中得到不同平面的分割,第二阶段为对不同的分割估计平面方程。但两个阶段是一起训练的,因此也是end-to-end manner。训练时,需要包含每张图片每个像素所属平面区域和像素单位法向信息。分割统一encode到embedding的特征。判断每一像素是否为...原创 2019-05-06 22:49:43 · 589 阅读 · 0 评论