论文框图

摘要: 论文框图 GeoSegNet: Chen, C., Wang, Y., Chen, H. et al. GeoSegNet: point cloud semantic segmentation via geometric encoder–decoder modeling. Vis Comput 40 阅读全文
posted @ 2024-08-15 11:05 妙笔千山 阅读(4) 评论(0) 推荐(0) 编辑

Typora PicGo-Core gitee

摘要: 参考: [(41条消息) Typora+PicGo-core插入图片自动上传,gitee,gitgub,sm.ms三种免费图床_jaymier的博客-CSDN博客](https://blog.csdn.net/jaymie1023/article/details/105361168) [(41条消息 阅读全文
posted @ 2023-06-26 21:20 妙笔千山 阅读(25) 评论(0) 推荐(0) 编辑

RandLANet

摘要: 处理大规模点云,可单词处理100万个点 小尺度点云采样方法:最远点采样、逆密度采样 #### 贡献 1、随机采样会造成信息丢失;使用局部特征聚合模块 2、用随机采样在大规模点云上(小尺度用不到) 3、证明baseline上显著的内存和计算收益,在多个大规模基准上超越了目前最先进的语义分割方法 ### 阅读全文
posted @ 2023-06-25 20:44 妙笔千山 阅读(81) 评论(0) 推荐(0) 编辑

Spatial Information Guided Convolution for Real-Time RGBD Semantic Segmentation(阅读笔记)

摘要: 空间信息引导卷积的实时RGBD语义分割(阅读笔记) 论文:Spatial Information Guided Convolution for Real-Time RGBD Semantic Segmentation 复现:https://github.com/LinZhuoChen/SGNet(还 阅读全文
posted @ 2023-04-08 15:50 妙笔千山 阅读(31) 评论(0) 推荐(0) 编辑

RangeNet++学习笔记

摘要: RangeNet++方法 (A)将输入点云转换为距离图像表示,即 range 图像; (B)2D 图像完全卷积语义分割; (C)从原始点云中恢复所有点的从 2D 到 3D 的语义转换,无论使用的距离图像离散化如何; (D)基于有效距离图像的 3D 后处理,对所有点使用基于 GPU 的快速 kNN 搜 阅读全文
posted @ 2023-03-02 21:20 妙笔千山 阅读(201) 评论(0) 推荐(0) 编辑

PointNet++

摘要: PointNet局限性:由于PointNet将所有点进行信息提取,虽然遵循了点云的无序性,但忽略了点的几何性质(点的邻域信息),在进行语义分割的时候,会产生特征学习错误 PointNet++: SA模块(Set Abstraction Layers) 学习局部邻域信息,层次化提取 Farthest 阅读全文
posted @ 2022-12-29 10:56 妙笔千山 阅读(222) 评论(0) 推荐(0) 编辑

语义分割入门(一)

摘要: 本文参照:FCN网络结构详解(语义分割)_哔哩哔哩_bilibili 以及:Fully Convolutional Networks for Semantic Segmentation 转置卷积(Transposed Convolution、fractionally-strrdcd、dcconvol 阅读全文
posted @ 2022-11-12 16:44 妙笔千山 阅读(78) 评论(0) 推荐(0) 编辑

ROS安装

摘要: 在Windows上安装ros2 官网教程已经很详尽了:Installation/Windows - ROS Wiki 如果官网教程看不懂的话,可以参照这个详尽的:如何优雅地在windows上玩ROS(一个紧致的解决方案) - 知乎 (zhihu.com) 首先准备安装VS2019及以上版本,需要注意 阅读全文
posted @ 2022-11-07 17:19 妙笔千山 阅读(108) 评论(0) 推荐(0) 编辑

激光雷达

摘要: 激光雷达分类 三角法:近距离测距精度较高(原理相似三角形) 抗干扰能力较差 适用室内 TOF法: 脉冲型TOF(DTOF+ITOF) 连续型FMCW(通过发射波的相干性计算距离,测量速度慢,精度高) TOF激光雷达:将光均匀打到周围,方法:机械式、MEMS的微震镜、光学相位阵列OPA、FlshLid 阅读全文
posted @ 2022-11-05 19:51 妙笔千山 阅读(584) 评论(0) 推荐(0) 编辑

点云笔记(一)

摘要: 经典点云分割方法: 随机采样一致方法(RANSAC) 欧式聚类分割方法 条件欧式聚类分割 基于区域生长的分割 基于颜色的区域生长分割 最小图割的分割 基于法线微分的分割 基于超体素的分割 随机采样一致方法 应用:计算机视觉和数学领域,例如:直线拟合、平面拟合、计算图像或点云间的变换矩阵、计算基础矩阵 阅读全文
posted @ 2022-11-03 08:42 妙笔千山 阅读(880) 评论(1) 推荐(0) 编辑