PointNet++作者的视频讲解文字版
摘要：转载请注明本文链接： https://www.cnblogs.com/Libo-Master/p/9759130.html PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation PointNet++：
阅读全文
posted @
2019-12-07 16:58
一杯明月
阅读(8326)
推荐(2) 编辑
最远点采样
摘要：FPS算法的逻辑为： 以点云第一个点，作为查询点，从剩余点中，取一个距离最远的点； 继续以取出来的点，作为查询点，从剩余点中，取距离最远的点。此时，由于已经取出来的点的个数大于1，需要考虑已经选出来的点集中的每个点。计算逻辑如下： 对于任意一个剩余点，计算该点到已经选中的点集中所有点的距离； 取最小
阅读全文
posted @
2019-11-23 20:21
一杯明月
阅读(5399)
推荐(0) 编辑
pointnet++之classification/train.py
摘要：1.数据集加载 if FLAGS.normal: assert(NUM_POINT<=10000) DATA_PATH = os.path.join(ROOT_DIR, 'data/modelnet40_normal_resampled') TRAIN_DATASET = modelnet_data
阅读全文
posted @
2019-11-15 21:09
一杯明月
阅读(2700)
推荐(1) 编辑
pointnet++的pytorch实现
摘要：代码参考：https://blog.csdn.net/weixin_39373480/article/details/88934146 def recognize_all_data(test_area = 5): ALL_FILES = getDataFiles('/home/dell/qcc/po
阅读全文
posted @
2019-11-13 17:58
一杯明月
阅读(2854)
推荐(0) 编辑
pointnet++之场景语义分割scannet/train.py
摘要：1.作者可能把scannet数据集分成了训练集和测试集并处理成了.pickle文件。 2.在代码运行过程中，作者从.pickle文件中读出训练集1201个场景的x、y、z坐标和测试集312个场景的x、y、z坐标。 3.考虑把点存到.txt文件中，用cloudcompare可视化一下。 2--地板 3
阅读全文
posted @
2019-11-05 09:41
一杯明月
阅读(5461)
推荐(0) 编辑
scannet数据集
摘要：是通过RGBD摄像机得到的3维激光点云，不是通过lidar扫描得到。 数据集包含xyz和label信息，不包含颜色信息。 一共1513个室内场景数据（每个场景中点云数量都不一样），共21个类别的对象（0-20，总共已知类别应该是20，类别0应该是未知类别，即未标注点云），其中，1201个场景用于训练
阅读全文
posted @
2019-11-04 22:47
一杯明月
阅读(8580)
推荐(0) 编辑
pointnet++论文的翻译
摘要：参考： https://blog.csdn.net/weixin_40664094/article/details/83902950 https://blog.csdn.net/pikachu_777/article/details/82993153
阅读全文
posted @
2019-10-30 22:19
一杯明月
阅读(798)
推荐(0) 编辑
pointnet++的运行
摘要：https://www.it610.com/article/1281914820177707008.htm 对于Pointnet++这个网络是一个基于和扩展Pointnet网络，pointnet网络(V1模型)可以独立的转换各个点的特征，也可以处理整个点集的全局特征，然而在多数情况下，存在明确定义的
阅读全文
posted @
2019-10-17 21:21
一杯明月
阅读(2152)
推荐(0) 编辑
pointnet++
摘要：简介作者在先前的研究中提出了Pointnet，此论文是Pointnet的改进版Pointnet++。提出改进的理由是因为Pointnet无法很好地捕捉由度量空间引起的局部结构问题，由此限制了网络对精细场景的识别以及对复杂场景的泛化能力。Pointnet的基本思想是对输入点云中的每一个点学习其对应的空
阅读全文
posted @
2019-10-16 16:25
一杯明月
阅读(1326)
推荐(0) 编辑
