三维点云是物理世界的三维数据表达形式，其应用日益广泛，如自动驾驶、AR/VR、FaceID等。PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。作为点云处理深度学习方法的里程碑工作，启发了很多后续研究。
本课程对PyTorch版的PointNet++进行原理讲解、论文复现和代码详解。包括：
（1）提供三维点云物体分类数据集ModelNet40、物体部件分割数据集ShapeNet和场景分割数据集S3DIS的下载、可视化软件和方法；
（2）在Ubuntu系统上演示使用PointNet++进行三维点云的物体分类、部件分割和场景语义分割的训练和测试；
（3）详解PointNet++的原理、程序代码和实现细节，并使用PyCharm进行Debug调试代码和单步跟踪。
需要学习TensorFlow版PointNet++的学员可前往本人推出了课程《PointNet++点云处理TensorFlow版》
2021-08-21 15:32:21
7.14MB
1
为了使机器人准确高效地完成复杂轮廓工件的切削加工, 结合点云技术与机器人技术, 提出了一种基于三维点云直接生成机器人的切削加工轨迹的算法。搭建了一种以激光位移传感器和机器人为核心部件的点云测量系统, 通过坐标关系变换实现了一维测量到三维测量的扩展。通过在线测量获取了被加工工件轮廓的三维点云, 采用点云预处理算法和机器人轨迹的生成算法, 直接生成了针对被测工件的机器人加工轨迹。仿真结果表明, 该测量系统及算法能够准确地提取工件轮廓的三维点云并快速生成机器人的加工轨迹。
2021-08-20 15:02:59
12.5MB
1
使用VC++工具，可以读取两种格式的数据类型，其他类型，请自行变通，读取以后可以利用工具进行放大、旋转等查看。编译通过，可直接使用。
2021-08-02 15:28:42
3.71MB
1
点云作为一种三维表示方式，得到广泛应用的同时，也产生了对点云处理的诸多挑战。点云配准是其中一项非常值得研究的工作，点云配准旨在将多个点云正确配准到同一个坐标系下，形成更完整的点云。点云配准要应对点云非结构化、不均匀、噪声等的干扰，要以更短的时间消耗达到更高的精度，但是时间消耗和精度往往是矛盾的，但在一定程度上优化是有可能的。点云配准广泛应用于三维重建、参数评估、定位和姿态估计等领域，在自动驾驶、机器人、增强现实等新兴应用上也有点云配准技术的参与。
2021-07-26 14:05:50
3.36MB
1
利用python3.6（numpy），生成ply文件，并将三维点云数据写入ply文件。生成的ply文件可以直接用meshlab软件打开查看点云。
代码建议使用pycharm运行，
2021-06-30 09:56:01
947B
1
内含ASL Datasets Repository、大规模点云分类基准、悉尼城市目标数据集、斯坦福数据集四个点云数据集
2021-05-23 22:40:18
75B
1