
点云
Felaim
Hey, you're not a nobody. You're a somebody.
展开
-
Pointet的读后感(CVPR2016):1.相关工作的介绍
最近看了一些点云处理的文章,因为机器一直在跑代码,差不多是一天能够训练两轮…服务器每天都得前一天晚上把代码实现好,早上抢占GPUO(∩_∩)O.哈哈~研究僧多,GPU少!接触到Pointnet其实非常偶然,LZ在slam里兜兜转转,一直想找一个好玩的方向,有数学大神做各种算法优化,提出各种BA方法,有MVG大神,对多视图几何了如指掌,凭直觉和坚强的数学功底,提出各种标定算法,还有图像处理大神提...原创 2018-11-23 21:43:49 · 800 阅读 · 3 评论 -
python: 关于点云的一些基本处理
这些可以作为点云处理的一些函数,LZ在此归纳了一下, 当然matlab或者c++版本也都行,最近在用Python,就用Python写的.通常拿到一个mesh或者一些立体数据,存在的模式可能是点云,体素,可能是.off, .ply, .txt各种形式其实是可以相互转换的.下面举个例子# 我们先随机生成一些数字,作为点云输入,为了减少物体尺度的问题,#通常会将点云缩到半径为1的球体中#为了方便...原创 2018-12-06 19:22:21 · 15045 阅读 · 8 评论 -
Pointet的读后感(CVPR2016):4分割网络部分
还是先把图放上,分割网络还是相对于分类网络进行修改的,所以看了之前的分类网络的,应该就可以很容易理解分割网络部分了.分割网络先是将分类网络进行旋转归一化后的64维特征取出,再将max_pooling后的1024维特征重复concat到每个点上,相当于给每个点都增加了全局的特征,具体的网络结构如下所示:def get_model(point_cloud, is_training, bn_deca...原创 2018-12-14 15:47:17 · 564 阅读 · 0 评论 -
Pointet的读后感(CVPR2016):3.分类网络部分
先贴上pointnet原文当中的网络结构,后面再慢慢分析.可以看到图中有两个网络.一个是分类网络,另一个是语义分割网络.先说分类网络.可以看到分割网络只是在最后把全局信息重复了n次然后concat到nx64那层网络之后…呀,顺序有点问题,LZ连分类网络还没有解释呢?好了,从分类网络说起.我们可以看到输入是nx3,n代表的是输入点云的数量,一般取128/256/512/1024/2048/4...原创 2018-12-11 16:22:49 · 668 阅读 · 0 评论 -
Pointet的读后感(CVPR2016):2.点云输入的优劣
写文章肯定要motivation,既然说体素化方法,多视角的方法都有缺点,那么作者算是第一个使用点云作为输入的(≧▽≦)/啦啦啦那么问题来了,点云输入有什么好,又有什么不好(当然是使用其他方法的paper里说的)优点1.非常的简单,并且有非常统一的结构,避免组合的不规则性和复杂性.在通常情况下,作为点云的输入,是以(x, y, z)三个坐标作为输入,当然也有颜色信息和法线信息,现在就以最简单...原创 2018-12-11 14:43:23 · 1302 阅读 · 2 评论 -
Paper reading SPLATNet: Sparse Lattice Networks for Point Cloud Processing(CVPR2018)
对SPLATNet的理解简要介绍SPLATNet为什么要直接处理点云呢?BCLs(bilateral convolutional layers)Step one: SplatStep two: convolveStep three: sliceBCL的一些性质SPLATNet网络结构总结参考文献:简要介绍SPLATNet其实,CVPR2019又出了很多关于点云的文章,SPLATNet是导师发给...原创 2019-04-01 15:02:27 · 814 阅读 · 3 评论