AI Earth地球科学云平台基于达摩院在深度学习、计算机视觉、地理空间分析等方向上的技术积累，结合阿里云强大算力支撑，提供多源遥感对地观测数据的云计算分析服务，用数据感知地球世界，让AI助力科学研究。

NineData 是集成了 SQL 开发、数据复制、数据备份、数据对比多个模块的云服务，支持混合云（自建库+云数据库的业务架构）和多云（多个不同云厂商数据库组成的业务架构）架构下的企业数据管理，大幅降低企业的数据运维难度和成本。

记录PointNet PyTorch版本的学习 PyTorch版本PointNet作者Tensorflow版本页面上给出的github地址，这里 数据集 PyTorch版本只给出了ModelNet的数据，只能进行部件分割，但是我想测试S3DIS数据集，所以下载了原作者给的链接中已经处理好的数据，文件为h5格式。 作者对所有的点云进行了采样，每个采样空间是一个立方体，做成一个数据，每个数据有4096个点；一个h5文件中是1000*4096*9个数字，代表1000个点云，每个点云中有4096个点，每个点有9个值xyz，rgb，剩下三个还不知道。 具体处理过程在Tensorflow版本中给出了，太复杂看不太懂。 利用这些处理好的h5文件，结合Tensorflow版本的代码写出PyTorch的数据集class，代码在indoor3d_dataset.py中。 训练 训练的代码基本参考了PyTorch版本的，只是将刚开始数据集的读取改成了S3DIS的，代码在train_indoor_3d.py中。 结果可视化 PyTorch版本用了原作者Tensorflow版本中提供的可视化代码，用ope

基于Intel RealSense SDK 2.0。 测试Intel RealSense D400系列设备(深度相机)，包括Intel RealSense深度相机D435i, D435, D415 可获取以下数据: (1)color image，2D彩色图像 (2)点云 xyz (3)texture image，点云纹理彩色图像，与点云xyz（或者说深度图像）是对齐的 (4)点云 xyzrgb，将2和3组合得到 (5)ir left image，左侧ir灰度图像 (6)ir right image，右侧ir灰度图像

这一篇文章是代号OneNET02 STM32+ESP8266+OneNET云系列的第1节的文章，本节主要讲解STM32单片机通过串口发送AT指令控制ESP8266写入WIFI账号链接到互联网，再通过访问OneNET云服务器将数据发送到指令的页面显示，并根据数据的收发情况控制LED闪烁的源代码附件

许多初学点云的朋友没有数据，这是我的las格式点云兔子的数据，有需要的朋友欢迎下载。

LiDAR点云数据处理系统（教学版）

常见的三维点云数据格式，包括斯坦福兔子，马，大象，人头等，数据格式已经整理成规则的X坐标空格Y坐标空格Z坐标，方便数据读取与后处理

三维激光扫描仪点云数据在AutoCAD中的处理方法研究

三维重建算法 MATLAB 点云数据