• 学习时长

    10周/建议每周8个小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评分

  • 第1节: Lecture Slides
  • 第1章: Introduction
  • 任务1: 【课件】Point Cloud Lecture1.pdf
  • 第1节: Introduction
  • 任务2: 【视频】Introduction 15:30
  • 第2节: PCA and KPCA
  • 任务3-1: 【视频】PCA 25:02
  • 任务3-2: 【视频】Kernel PCA 21:23
  • 第3节: Surface Normal and Filters
  • 任务4: 【视频】surface normal and filters 76:50
  • 第4节: homework
  • 任务5-1: 【作业】第1章
  • 任务5-2: 【资料】C1 C++优秀作业.rar
  • 第2章: Nearest Neighbor Problem
  • 第1节: Lecture Slides
  • 任务6: 【课件】Point Cloud Lecture2.pdf
  • 第2节: Binary Search Tree
  • 任务7: 【视频】binary search tree 49:22
  • 第3节: KD-Tree
  • 任务8: 【视频】KD-tree 32:50
  • 第4节: Octree
  • 任务9: 【视频】OCtree 29:40
  • 第5节: Homework
  • 任务10-1: 【作业】complete Nearest Neighbor algorithms
  • 任务10-2: 【代码】优秀学员C++参考代码
  • 第3章: Clustering
  • 第1节: Lecture Slides
  • 任务11: 【课件】Lecture3 Clustering.pdf
  • 第2节: Math prerequisite
  • 任务12: 【视频】math prerequisite 22:13
  • 第3节: K-Means
  • 任务13: 【视频】K-means 28:40
  • 第4节: GMM
  • 任务14: 【视频】GMM 39:06
  • 第5节: EM
  • 任务15: 【视频】EM 28:18
  • 第6节: Spectral clustering
  • 任务16: 【视频】Spectral Clustering 25:03
  • 第7节: Homework
  • 任务17: 【作业】Homework
  • 任务18: 三维点云处理第三次作业讲评 12:52
  • 第4章: Model Fitting
  • 第1节: Lecture Slides
  • 任务19: 【课件】Lecture4 Clustering&Model fitting.pdf
  • 第2节: spectral clustering
  • 任务20: 【视频】Spectral Clustering 74:04
  • 第3节: meanshift & dbscan
  • 任务21: 【视频】mean shift & dbscan 25:12
  • 第4节: least square
  • 任务22: 【视频】least square 13:41
  • 第5节: Hough Transform
  • 任务23: 【视频】hough transform 15:02
  • 第6节: ransac
  • 任务24: 【视频】ransac 23:04
  • 第7节: Homework
  • 任务25-1: 【作业】clustering
  • 任务25-2: 【代码】优秀学员C++参考代码.rar
  • 任务26: 三维点云处理第四次作业讲评 14:29
  • 第6章: Object Detection
  • 第1节: Lecture Slides
  • 任务33: 【课件】Point Cloud Lecture6.pdf
  • 第2节: Introduction
  • 任务34: 【视频】introduction 35:08
  • 第3节: Image-based Object Detection
  • 任务35: 【视频】Image based object detection 52:09
  • 第4节: Point Cloud-based Network: VoxelNet, Pointpillar
  • 任务36: 【视频】Voxelnet&Pointpillar 46:26
  • 第5节: Point Cloud-based Networks: PointRCNN
  • 任务37: 【视频】PointRCNN 20:54
  • 第6节: Point Cloud & image fusion
  • 任务38: 【视频】fusion 19:04
  • 第7节: Homework
  • 任务39: 【作业】第6章
  • 任务40: 【视频】第六次作业讲评 16:55
  • 第7章: Feature Detection
  • 第1节: Lecture Slides
  • 任务41: 【课件】Point Cloud Lecture7.pdf
  • 第2节: introduction & harris 2d
  • 任务42: 【视频】introduction & harris 2d 34:21
  • 第3节: harris 3d & 6d
  • 任务43: 【视频】harris 3d & 6d 26:50
  • 第4节: Intrinsic Shape Signatures (ISS)
  • 任务44: 【视频】ISS 07:59
  • 第5节: Unsupervised Stable Interest Point Detection
  • 任务45: 【视频】USIP 38:36
  • 第6节: SO-Net
  • 任务46: 【视频】SO-Net 17:29
  • 第7节: Homework
  • 任务47: 【作业】Implement ISS keypoint detection
  • 第8节: 作业讲评
  • 任务48: 第七章作业讲评 06:43
  • 第8章: Feature Description
  • 第1节: Lecture Slides
  • 任务49: 【课件】Point Cloud Lecture8.pdf
  • 第2节: PFH & FPFH
  • 任务50: 【视频】Classical method-PFH & FPFH 36:26
  • 第3节: SHOT
  • 任务51: 【视频】Classical method-SHOT 27:19
  • 第4节: 3DMatch & Perfect Match
  • 任务52: 【视频】3DMatch & Perfect Match 44:50
  • 第5节: PPFNet & PPF-FoldNet
  • 任务53: 【视频】PPFNet & PPF-FoldNet 38:47
  • 第6节: Homework
  • 任务54: 【作业】Implement feature descriptors FPFH, SHOT
  • 任务55: 第八次作业讲评 07:13
  • 第9章: ICP and Registration
  • 第1节: Lecture Slides
  • 任务56: 【课件】Point Cloud Lecture9.pdf
  • 第2节: Iterative Closest Point
  • 任务57-1: 【视频】ICP part I 39:56
  • 任务57-2: 【视频】ICP part II 33:53
  • 第3节: Normal Distribution Transform
  • 任务58: 【视频】NDT 54:13
  • 第4节: RANSAC Registration
  • 任务59: 【视频】RANSAC Registration 12:09
  • 第5节: Homework
  • 任务60-1: 【作业】Implement your own ICP or NDT
  • 任务60-2: 【数据集】registration_dataset.txt
  • 任务61: 三维点云处理第九次作业讲评 08:39
  • 第10章: Final Project
  • 第1节: Object Detection
  • 任务62: 【Project】Object detection for lidar
  • 任务63: 三维点云处理大作业讲评 09:19

相关推荐

智能机器人 SLAM/VIO 高级
人工智能基础 数据分析 机器学习 深度学习 强化学习 基础
机器学习 计算机视觉 深度学习 计算机视觉 进阶