KPConv针对Modelnet40的分类
1.
训练样本airplane_0001.txt的可视化:
飞机尺度:
物体类别与对应标签:
2.
对训练样本进行降采样:
体素法降采样,降采样的网络大小设置为0.02m.在pycharm下面的Console控制台窗口输入以下命令,对降采样后的数据存入.txt文本文件,然后进行可视化。
np.savetxt("airplane_001.txt",points,fmt="%.8f", delimiter=',')
可以看到,降采样后的点云分布仍然很均匀,尺度稍微变小了一点。
降采样之后,点云的数量变化是:10000个---->5979个
下面这个是降采样之后,训练集中每个物体对象点云的数量,降采样之后,点云的坐标不是原来的点云的坐标了。
这个是降采样之后,测试集中每个物体对象点云的数量,降采样之前每个对象的点云数量都是10000:
3.
对训练集中降采样之后的点云数量进行一个排序:
...
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 深入理解 Mybatis 分库分表执行原理
· 如何打造一个高并发系统?
· .NET Core GC压缩(compact_phase)底层原理浅谈
· 现代计算机视觉入门之:什么是图片特征编码
· .NET 9 new features-C#13新的锁类型和语义
· Sdcb Chats 技术博客:数据库 ID 选型的曲折之路 - 从 Guid 到自增 ID,再到
· 语音处理 开源项目 EchoSharp
· 《HelloGitHub》第 106 期
· Spring AI + Ollama 实现 deepseek-r1 的API服务和调用
· 使用 Dify + LLM 构建精确任务处理应用
2018-12-05 函数指针