三维点云处理很难?分享经典点云算法;octree,ICP,PointNet等

最近我在学习三维点云的知识，包括点云聚类、模型拟合、基于点云的物体检测、点云特征提取与描述、点云配准等内容，尝试做了一些小项目，比如地面检测、聚类。效果图如下: 上图一蓝色点为地面，红色点为outliers；左图为open3d的地面检测结果，右图为自己设计的算法。 上图二为点云聚类的结果，左图为自己实现的算法，右图为调用现成的API，效果基本一致。 为什么要学习三维点云呢？ 三维点云是最重要的三维数据表达方式之一，它广泛应用于计算机视觉、自动驾驶、机器人等领域，比如环境感知、物体检测、点云分割、姿态估计等。 我是怎么学习三维点云的？

三维点云的书籍寥寥无几，网上资料也比较零散，国内外系统讲解三维点云算法原理及配套实践的课程更是屈指可数。经朋友推荐，我报名了深蓝学院的『 三维点云处理 』课程。这门课程一共9个实践项目，从理论学习应用到代码实践。通过这门课，我对经典算法的理论有了清晰的认识，自己能实现这些算法，而不是简单调用一个API而已。上面的地面检测以及点云聚类就是课程的项目 之一。 （三维点云处理课程开篇语-黎嘉信）

扫码添加，了解详情

咨询请备注【 926 】，优先通过！

1

 课程讲师

  黎嘉信

高仙机器人深度学习与融合感知负责人

2014年清华大学本科毕业，2018年新加坡国立大学博士毕业，师从陈本美教授和Lee Gim Hee教授。此前历任Motional感知科学家和夜间驾驶负责人、字节跳动Al Lab视觉科学家。以第一作者发表多篇计算机视觉/机器人顶级会议论文，包括CVPR、ICCV、ICRA、IROS等。

2

课程大纲

（本课程中文授课，点击图片查看大图）

3

实践项目 本门课程采用理论与实践相结合的教学方式，通过 9个 实践项目，让大家将课上所学知识，即学即用，通过亲自动手实践达到灵活掌握，融会贯通的效果。

4

学后收获

1.  对三维点云这一领域有全方位的认知，了解三维感知的各种问题及解决方案；

2.  深入理解各个经典点云算法，比如octree，ICP，PointNet等，并且在真实数据集上实现、应用这些算法；

3.  涉猎最前沿的感知(Perception)方向的深度学习算法，比如物体检测、点云配准、特征提取等，了解学术界的热点问题及发展趋势；

4.  了解实际应用中各种算法的优势及局限，对于具体问题如何选择合适的算法，以及如何修改算法应对长尾/边缘问题（longtail/edge cases）。

---

抢占学习名额

扫码添加，了解详情

咨询请备注【 926 】，优先通过！

扫码添加客服 『书哲』