• 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章: Introduction and Basic Algorithms
  • 第1节: Lecture Slides
  • 任务1: 【课件】Point Cloud Lecture1.pdf
  • 第2节: Course outline and prerequisite
  • 任务2: 【视频】Introduction 15:30
  • 第3节: PCA and Kernel PCA
  • 任务3: 【视频】PCA 25:02
  • 任务4: 【视频】Kernel PCA 21:23
  • 第4节: Smoothing, Filtering and Downsampling
  • 任务5: 【视频】surface normal and filters
  • 第5节: homework: practice
  • 任务6-1: 【数据集】Modelnet40.txt
  • 任务6-2: 【作业】Homework I
  • 第2章: Nearest Neighbor Problem
  • 第1节: Lecture
  • 任务7: 【课件】Lecture2.pdf
  • 第2节: Binary Search Tree
  • 任务8: 【视频】binary search tree
  • 第3节: KD-Tree
  • 任务9: 【视频】KD-tree 32:50
  • 第4节: Octree
  • 任务10: 【视频】OCtree
  • 第5节: homework: practice
  • 任务11: 【作业】implement 3 NN algorithms
  • 第3章: Clustering
  • 第1节: Lecture Slides
  • 任务12: 【课件】Clustering.pdf
  • 第2节: Math prerequisite
  • 任务13: 【视频】math prerequisite
  • 第3节: K-Means
  • 任务14: 【视频】K-means
  • 第4节: Gaussian Mixture Model (GMM)
  • 任务15: 【视频】GMM
  • 第5节: Expectation-Maximization (EM)
  • 任务16: 【视频】EM
  • 第6节: Spectral Clustering
  • 任务17: 【视频】Spectral Clustering
  • 第7节: homework: practice
  • 任务18: 【作业】Homework
  • 第4章: Model Fitting
  • 第1节: Robust Least Square
  • 第2节: Hough Transform
  • 第3节: RANSAC
  • 第4节: homework: practice
  • 第5章: Deep Learning on Point Cloud
  • 第1节: Introduction to Deep Learning
  • 第2节: PointNet & PointNet++
  • 第3节: SO-Net
  • 第4节: Graph Convolutional Network for Point Cloud
  • 第5节: homework: practice
  • 第6章: 3D Object Detection
  • 第1节: Image based object detection - RCNN, FastRCNN, FasterRCNN, SSD
  • 第2节: VoxelNet, PointPillars
  • 第3节: PointRCNN
  • 第4节: Image and Point Cloud fusion - Frustum PointNet, PointPainting
  • 第5节: homework: practice
  • 第7章: 3D Feature Detection
  • 第1节: Image features - Harris corners
  • 第2节: Handcrafted 3D features - Harris 3D/6D, ISS
  • 第3节: Deep learning 3D features - USIP
  • 第4节: homework: practice
  • 第8章: 3D Feature Description
  • 第1节: Handcrafted descriptors - PFH, FPFH, SHOT
  • 第2节: Deep learning descriptors - 3DMatch, the Perfect Match, PPF-Net, PPF-FoldNet
  • 第3节: homework: practice
  • 第9章: Registration
  • 第1节: Iterative Closest Point (ICP)
  • 第2节: Normal Distribution Transform (NDT)
  • 第3节: Registration by RANSAC with feature detection, description, matching
  • 第4节: homework: practice