- 博客(137)
- 资源 (8)
- 收藏
- 关注
RSS订阅原创 3D检测论文阅读简记
论文读完之后很快忘记了, 写长篇的论文笔记又很耗时间; 因此打算换一种简洁的方式记录读过的一些3D检测论文: 论文的动机和主要的解决问题。
2022-06-23 19:03:35
968
原创 [CVPR 2019] PointRCNN: 3D Object Proposal Generation and Detection from Point Cloud
在本文中, 作者提出了PointRCNN用于在原始点云中做3D目标检测。整个框架包括两个阶段: stage-1用于以bottom-up的方式生成3D候选框, stage-2在规范(canonical)坐标系细化候选框, 来获得最终的检测结果。Stage-1子网络通过把点云中的点分割成前景点和背景点, 直接从点云中以bottom-up的方式产生少量的高质量的候选框; Stage-2子网络把stage-1子网络产生的每一个候选框中的points变换到规范坐标系来更好的学习局部空间特征, 并结合stage-1产生
2022-06-03 18:44:10
750
原创 [CVPR 2020] 3DSSD: Point-based 3D Single Stage Object Detector
当前, 有很多voxel-based的单阶段3D检测器, 然而point-based的单阶段3D检测器仍处于探索中。本文中, 我们第一个提出了一个轻量级的, 高效的point-based的单阶段检测器 (3DSSD), 并在精度和效率方面取得了一个很好的平衡。在这种范式中, 丢弃了现有point-based方法中不可或缺的upsampling layers和refinement stage, 以减少大量的计算成本。我们新颖地提出了用于下采样流程的混合采样策略, 以实现在更少的点上进行检测。为了满足精度和速度
2022-06-02 12:54:53
923
原创 3D点云 (Lidar)检测入门篇 - PointPillars PyTorch实现
3D点云 (Lidar)检测入门篇 - PointPillars PyTorch实现完整代码:https://github.com/zhulf0804/PointPillars。自动驾驶中基于Lidar的object检测，简单的说，就是从3D点云数据中定位到object的框和类别。具体地，输入是点云X∈RN×c\mathbf X \in \mathbb R^{N \times c}X∈RN×c (一般c=4c=4c=4)，输出是nnn个检测框bboxes, 以第iii个检测框bbox为例, 它包括位姿信
2022-05-28 17:24:17
2348
4
原创 Ubuntu16.04快速安装显卡驱动, Cuda, cuDNN
一、显卡驱动安装sudo add-apt-repository ppa:graphics-drivers/ppasudo apt update# 查看可选驱动ubuntu-drivers devices# 选择合适驱动安装sudo apt install nvidia-driver-xxx# 重启sudo reboot# 验证是否安装成功nvidia-smi二、Cuda安装(以Cuda10.1为例)# 官网下载Cuda(建议下载.run(local))https://
2021-04-15 10:57:00
311
原创 PyTorch学习率
https://www.kaggle.com/isbhargav/guide-to-pytorch-learning-rate-scheduling
2021-01-13 17:31:56
227
原创 5639. 完成所有工作的最短时间
Leetcode 周赛223的hard题目，此题是我见到的很惊艳的题目，用到了二进制表示状态，枚举状态，二分法，动态规划等知识，值得记录一下。看到这个题目时，只能想到二分法，看了题解后才发现这个是二分 + 状压dp的题目。看了题解，发现这个题目的实现用了很多二进制表示，其中最为精辟的是枚举状态，结合https://oi-wiki.org/math/bit/#_14勉强看懂代码。下面是python3的代码实现，但是tle了，看了下面的评论说是此题对python不友好，下次再用C++把这个题目实现一下吧。
2021-01-10 23:44:18
703
原创 [arXiv 2020] Learning 3D-3D Correspondences for One-shot Partial-to-partial Registration
零、概要论文: Learning 3D-3D Correspondences for One-shot Partial-to-partial Registrationtag: arXiv 2020; Registration作者: Zheng Dang, Fei Wang, Mathieu Salzmann机构: Xi’an Jiaotong University, EPFL Switzerland笔者整理了一个最近几年250多篇点云的论文列表，欢迎大家一块学习交流。0.0 摘要点云的3D
2020-12-02 21:26:21
752
2
原创 3DMatch数据集
关于更多点云资源点击这里，包括250篇近几年的点云论文及数据集，包括点云配准、点云分割、点云检测、点云补全、无监督学习等方向。下述3DMatch数据集的统计分析的代码均可在这里访问。一、3DMatch数据集简介3DMatch数据集收集了来自于62个场景的数据，其中54个场景的数据用于训练，8个场景的数据用于评估，其具体名称查看train.txt和test.txt。3DMatch数据常用于3D点云的关键点，特征描述子，点云配准等任务。官方主页 | 3DMatch: Learning Local
2020-11-28 09:18:54
14077
37
原创 [ICCV 2019] Fully Convolutional Geometric Features
零、概要论文: Fully Convolutional Geometric Features标签: ICCV 2019; feature, match, registration代码: https://github.com/chrischoy/FCGF作者: Christopher Choy,Jaesik Park, Vladlen Koltun机构: Stanford University, POSTECH, Intel Labs笔者整理了一个最近几年250多篇点云的论文列表，欢迎大家
2020-11-28 09:08:24
1739
原创 点云中的Minkowski卷积
一、MinkowskiEngine简介第一次见到MinkowskiEngine，应该是在两个月之前了，当时也没有去留意这个库。最近读了一些点云的论文，发现还是有不少论文的源码是基于MinkowskiEngine的，包括PointContrast(ECCV 2020)，DGR(Deep Global Registration, CVPR 2020)，Learning Multiview 3D Point Cloud Registration(CVPR 2020)和FCGF(Fully Convolution
2020-11-21 12:12:26
7058
20
原创 基于深度学习的点云配准Benchmark
1. 概要最近几年，基于深度学习的点云配准算法不断被提出，包括PointNetLK[1]，Deep ICP[2]，DCP[3]，PRNet[4]，IDAM[5]，RPM-Net[6]，3DRegNet[7]，DGR[8]等。这些网络在ModelNet40，Kitti，或3DMatch数据集上进行试验，其性能与速度均超过了传统的ICP算法。这些算法或者网络结构较为复杂，或者结果难以复现，对于把深度学习应用到点云配准的初学者而言，不是很友好。这里结合自己的感触和最近阅读的PCRNet[9] (两者不谋而合)，
2020-11-13 09:32:41
3184
6
原创 sshfs挂载远程硬盘
安装sudo apt-get install sshfs 创建目录sudo mkdir /mnt/target挂载sudo sshfs -o allow_other username@x.x.x.x:/home/src/ /mnt/target卸载sudo umount /mnt/target参考资料: https://linux.cn/article-7855-1.html
2020-11-06 15:59:10
603
原创 [arXiv 2019] PCRNet: Point Cloud Registration Network using PointNet Encoding
零、概要论文: PCRNet: Point Cloud Registration Network using PointNet Encodingtag: arXiv 2019; Registration代码: https://github.com/vinits5/pcrnet, https://github.com/vinits5/pcrnet_pytorch/作者: Vinit Sarode, Xueqian Li, Hunter Goforth, Yasuhiro Aoki, Rangap
2020-10-30 13:17:36
2743
6
原创 [CVPR 2020] SampleNet: Differentiable Point Cloud Sampling
零、概要论文: SampleNet: Differentiable Point Cloud Samplingtag: CVPR 2020; Sample, Classification, Registration, Reconstruction代码: https://github.com/itailang/SampleNet作者: Itai Lang, Asaf Manor, Shai Avidan机构: Tel Aviv University笔者整理了一个最近几年150多篇点云的论文列表，欢
2020-10-28 18:51:22
3533
4
原创 Softmax后的数据分布
在读SampleNet网络的时候，论文中提到当数据都很小(非常大的负数)时，经过Softmax后，会倾向于出现[0, 1]的值，比较疑惑，就进行了实验，发现的确如此。import numpy as npimport torchimport torch.nn as nndef pprint(x, y, desc): print('='*10, desc, '='*10) print(f'input: {np.round(x.numpy(), 2)}') print(f'sof
2020-10-28 11:56:02
1123
原创 [ICCV 2019] USIP: Unsupervised Stable Interest Point Detection from 3D Point Clouds
零、概要论文: USIP: Unsupervised Stable Interest Point Detection from 3D Point Cloudstag: ICCV 2019; Keypoints, Registration代码: https://github.com/lijx10/USIP作者: Jiaxin Li, Gim Hee Lee机构: National University of Singapore笔者整理了一个最近几年150多篇点云的论文列表，欢迎大家一块学习交流。
2020-10-25 22:22:11
2085
1
原创 1024 程序员节日快乐
又是一年的10月24号，程序员节日快乐，今年对技术上的许愿:紧跟点云前沿，点云资料(论文、数据集为主)雏形已整理完毕，已经在学习的道路上3D点云的落地，做了近一年的3D点云的项目，过程中发现大规模点云、语义理解、点云噪声方面仍旧存在困难；小样本点云数据的学习也是需要解决的问题。翻到了2019年10月24号写的博客许愿，按照现在的状态来看，基本都还算是理想的状态~2020-2021，加油...
2020-10-24 10:36:03
868
3
原创 [ECCV 2020] DeepGMR: Learning Latent Gaussian Mixture Models for Registration
零、概要论文: DeepGMR: Learning Latent Gaussian Mixture Models for Registrationtag: ECCV 2020; Registration代码: https://github.com/wentaoyuan/deepgmr作者: Wentao Yuan, Ben Eckar, Kihwan Kim, Varun Jampani, Dieter Fox, Jan Kautz机构: University of Washington, NV
2020-10-20 22:54:52
3149
8
原创 [ECCV 2020] IDAM(Iterative Distance-Aware Similarity Matrix Convolution with Mutual-Supervised ..)
零、概要论文: Iterative Distance-Aware Similarity Matrix Convolution with Mutual-Supervised Point Elimination for Efficient Point Cloud Registrationtag: ECCV 2020; Registration代码: https://github.com/jiahaowork/idam作者: Jiahao Li, Changhao Zhang, Ziyao Xu, Ha
2020-10-19 20:54:33
2456
6
原创 [CVPR 2020] D3Feat: Joint Learning of Dense Detection and Description of 3D Local Features
零、概要论文: D3Feat: Joint Learning of Dense Detection and Description of 3D Local Featurestag: CVPR 2020; keypoints, registration代码: https://github.com/XuyangBai/D3Feat作者: Xuyang Bai, Zixin Luo, Lei Zhou, Hongbo Fu, Long Quan, Chiew-Lan Tai机构: Hong Kong
2020-10-16 13:18:29
2094
2
原创 点云配准论文
点云配准，求解两个(具有overlap的)点云P, Q之间的变换(旋转矩阵和平移向量)，使得点云P, Q的坐标处于同一坐标系下。点云配准在无人驾驶、三维重建等领域具有广泛的应用。本文整理了点云配准相关的论文，既包括基于深度学习的点云配准算法，也包括部分传统配准算法(ICP, GoICP, FGR等)。Deep Global Registration [CVPR 2020; PyTorch]3DRegNet: A Deep Neural Network for 3D Point Registratio
2020-10-15 22:13:40
4005
1
原创 [CVPR 2020] RPM-Net: Robust Point Matching using Learned Features
零、概要论文: RPM-Net: Robust Point Matching using Learned Featurestag: CVPR 2020; registration代码: https://github.com/yewzijian/RPMNet/作者: Zi Jian Yew, Gim Hee Lee机构: Department of Computer Science, National University of Singapore笔者整理了一个最近几年150多篇点云的论文列表，
2020-10-14 13:35:03
8683
39
原创 [CVPR 2020] 3DRegNet: A Deep Neural Network for 3D Point Registration
零、概要论文: 3DRegNet: A Deep Neural Network for 3D Point Registrationtag: CVPR 2020; Registration代码: https://github.com/3DVisionISR/3DRegNet作者: G. Dias Pais, Srikumar Ramalingam, Venu Madhav Govindu, Jacinto C. Nascimento, Rama Chellappa, and Pedro Mirald
2020-10-11 16:38:46
1915
8
原创 [CVPR 2020] RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds
零、概要论文: RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Cloudstag: CVPR 2020; Segmentation代码: https://github.com/QingyongHu/RandLA-Net作者: Qingyong Hu, Bo Yang, Linhai Xie, Stefano Rosa, Yulan Guo, Zhihua Wang, Niki Trigoni, Andrew Mar
2020-09-28 21:27:34
820
原创 [CVPR2020] Deep Global Registration
零、概要论文: Deep Global Registrationtag: CVPR 2020; Registration代码: https://github.com/chrischoy/DeepGlobalRegistration作者: Christopher Choy, Wei Dong, Vladlen Koltun机构: Stanford University, Carnegie Mellon University, Intel Labs论文提出了用于真实世界中3D点云配准的可微框架:
2020-09-26 12:05:01
3796
原创 点云数据集
一、ModelNet普林斯顿ModelNet项目的目标是为计算机视觉、计算机图形学、机器人和认知科学领域的研究者们提供一个全面、干净的三维CAD模型集合, 该数据的主页地址https://modelnet.cs.princeton.edu, 数据最早发布在论文3D ShapeNets: A Deep Representation for Volumetric Shapes [CVPR 2015]上。相关工作人员从数据中选择了常见的40类和10类构成数组子集, 分别表示为ModelNet40和ModelN
2020-09-15 21:16:06
11994
25
原创 基于PyTorch实现PointNet++
关于点云的深度学习表示PointNet / PointNet++是基于深度学习方法的点云表征的里程碑式的工作, 都出自于斯坦福大学的Charles R. Qi, 这两个工作分别收录于CVPR 2017和NIPS 2017. 最近，我在读一些关于点云配准和点云表示学习的深度学习论文，了解到目前点云的深度表示/学习有几个火热的研究方向: 基于point wise + MLP提取特征，典型代表是PointNet++; 基于Pseudo Grid和常规卷积提取特征，典型代表是ICCV 2019的工作KPConv
2020-09-11 11:31:08
7251
39
原创 点云处理
点云滤波sor(statistical outlier removal): 对每个点的邻域进行一个统计分析，并修剪掉那些不符合一定标准的点。对每个点计算它的k(超参数)临近点的平均距离。假设得到的结果是一个高斯分布，其形状由均值和方差决定。平均距离在标准范围之外，即超出平均距离的d(超参数)个标准差，则该点被标记为离群点。直通滤波(pass through): 不在范围内的点过滤掉ror(radius outlier removal)每个点的半径范围r(超参数)内低于d(超参数)个点
2020-09-08 20:10:12
2586
原创 Coderforces1398C - Good Subarrays
分析一: , 对于不同的子数组∑i=lrai=r−l+1\sum_{i=l}^ra_i = r - l + 1∑i=lrai=r−l+1, 等式右边是变化的, 如何应对这种情况?令bi=ai−1,则∑i=lrbi=0b_i = a_i - 1, 则 \sum_{i=l}^rb_i = 0bi=ai−1,则∑i=lrbi=0, 问题转化成了求有多少个子数组满足其和S=0S=0S=0.分析二: 如何求有多少个子数组满足其和S=0S=0S=0?前缀和的思想, 根据前缀和的性质, 记位置..
2020-08-24 17:02:18
173
原创 点云配准 - ICP证明
知识预备• 问题描述给定两个点云 X={x1,...,xi,...,xN}⊂R3X = \lbrace x_1, ..., x_i, ..., x_N\rbrace \subset R^3X={x1,...,xi,...,xN}⊂R3和Y={y1,...,yi,...,yM}⊂R3Y = \lbrace y_1, ..., y_i, ..., y_M\rbrace \subset R^3Y={y1,...,yi,...,yM}⊂R3, 刚性配准(rigid registration)的任务是
2020-08-19 20:39:02
370
2
原创 Codeforces1382D - Unmerge
问题转化 + 0/1背包python3 代码t = int(input())for _ in range(t): n, p = int(input()), list(map(int, input().split())) v, w = [], [] i, k = 0, 0 while i < 2*n: j = i + 1 while j < 2 * n and p[j] < p[i]: j += 1
2020-07-23 20:27:36
284
原创 Codeforces 1097C Yuhao and a Parenthesis
python3import sysinput = sys.stdin.readlinen = int(input())v = []for _ in range(n): bkt = input() l, r, mmin = 0, 0, float('inf') for item in bkt: if item == '(': l += 1 elif item == ')': r += 1
2020-07-20 21:19:33
154
原创 Codeforces1096B - Substring Removal
题目思路何在?python3 代码n, s = int(input()), input()l = 0while l < n: if s[l] != s[0]: break l += 1r = n - 1while r >= 0: if s[r] != s[-1]: break r -= 1r = n - (r + 1)ans = 0if l == n: ans += (n * (n+1) // 2) %
2020-07-09 09:14:50
168
原创 Codeforces1088C - Ehab and a 2-operation task
两种不同的思路:n 次加法, 1次取余# pypy3n = int(input())a = list(map(int, input().split()))ans, res = 0, []flag = Falsesumm = 0for i in range(n-1, -1, -1): a[i] += summ cur = a[i] % (n + 1) if cur == i + 1: continue delta = i + 1 + (n +
2020-06-27 22:52:55
190
en.x-cube-classb-v2-3-0.zip
2020-01-10
en.stm8-safeclassb.zip
2020-01-10
Digital Design: Principles and Practices, 4th Edition
2018-12-27
学习opencv
2016-07-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人