• 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2: 【课件】Point Cloud Lecture1
  • 第2节: Course outline and prerequisite
  • 任务3: 【视频】introduction 15:30
  • 第3节: PCA and Kernel PCA
  • 任务4: 【视频】PCA 25:02
  • 任务5: 【视频】kernal PCA 21:23
  • 第4节: Smoothing, Filtering and Downsampling
  • 任务6: 【视频】surface normal and filters 76:50
  • 第5节: homework: practice
  • 任务7-1: 【作业】第一章
  • 任务7-2: 【数据集】Modelnet40.txt
  • 第6节: 作业讲评
  • 任务8-1: 第一章作业思路讲解-王永浩助教
  • 任务8-2: 代码.rar
  • 第2章: Nearest Neighbor Problem
  • 第1节: Lecture
  • 任务9: 【课件】Lecture2.pdf
  • 第2节: Binary Search Tree
  • 任务10: 【视频】Binary Search Tree 49:22
  • 第3节: KD-Tree
  • 任务11: 【视频】KD-tree 32:50
  • 第4节: Octree
  • 任务12: 【视频】OCtree 29:40
  • 第5节: homework: practice
  • 任务13: 【作业】第二章
  • 任务14-1: 【第二章】作业讲评.pdf
  • 任务14-2: 【第二章】作业讲评代码.zip
  • 第3章: Clustering
  • 第1节: Lecture Slides
  • 任务15: 【课件】Clustering
  • 第2节: Math prerequisite
  • 任务16: 【视频】math prerequisite 22:13
  • 第3节: K-Means
  • 任务17: 【视频】K-means 28:40
  • 第4节: Gaussian Mixture Model (GMM)
  • 任务18: 【视频】GMM 39:06
  • 第5节: Expectation-Maximization (EM)
  • 任务19: 【视频】EM 28:18
  • 第6节: Spectral Clustering
  • 任务20: 【视频】Spectral Clustering 25:03
  • 第7节: homework: practice
  • 任务21: 【作业】第三章
  • 任务22: 【第三章】作业思路讲解.pdf
  • 第4章: Model Fitting
  • 第1节: Lecture Slides
  • 任务23: 【课件】Lecture4 V2.0.pdf
  • 第2节: spectral clustering
  • 任务24: 【视频】Spectral Clustering 74:04
  • 第3节: meanshift & dbscan
  • 任务25: 【视频】meansh & dbscan 25:12
  • 第4节: Robust Least Square
  • 任务26: 【视频】least_square 13:41
  • 第5节: Hough Transform
  • 任务27: 【视频】hough_transform 15:02
  • 第6节: RANSAC
  • 任务28: 【视频】ransac 23:04
  • 第7节: homework: practice
  • 任务29: 【作业】第四章
  • 第8节: 作业讲评
  • 任务30: 【第四章】作业思路讲解.pdf
  • 任务31: 【第四章】作业思路讲解.mp4 10:31
  • 任务32-1: 【第四章】优秀作业讲评.mp4 14:31
  • 任务32-2: 【第四章】优秀作业讲解--瓦片儿.zip
  • 任务33: 【第四章】优秀作业讲评--陆一帆.pdf
  • 任务34: 【第四章】优秀作业分享--zhp曾.pdf
  • 第5章: Deep Learning on Point Cloud
  • 第1节: Lecture Slides
  • 任务35: 【课件】Deep Learning with Point Clouds.pdf
  • 第2节: Introduction to Deep Learning
  • 任务36: 【视频】introduction to Deep learning 61:34
  • 第3节: PointNet & PointNet++
  • 任务37-1: 【视频】PointNet 47:30
  • 任务37-2: 【视频】PointNet++ 30:13
  • 第4节: homework: practice
  • 任务38: 【作业】Classification over ModelNet40
  • 任务39: 【第五章】作业思路讲解.zip
  • 任务40: 【作业】第五章优秀作业讲评--陆一帆
  • 第5节: GCN
  • 任务41-1: 【课件】Lecture5-Supplementary.pdf
  • 任务41-2: 【视频】DGCNN 38:20
  • 任务41-3: 【视频】GCN 20:05
  • 第6节: Supplementary
  • 任务42: 【视频】some comments on deep learning 13:17
  • 第6章: 3D Object Detection
  • 第1节: Lecture Slides
  • 任务43: 【课件】PointCloudLecture6.pdf
  • 第2节: introduction
  • 任务44: 【视频】introduction 35:08
  • 第3节: Image based object detection - RCNN, FastRCNN, FasterRCNN, SSD
  • 任务45: 【视频】Image based object detection 52:09
  • 第4节: VoxelNet, PointPillars
  • 任务46: 【视频】Voxelnet&Pointpillar 46:26
  • 第5节: PointRCNN
  • 任务47: 【视频】PointRCNN 20:54
  • 第6节: Image and Point Cloud fusion - Frustum PointNet, PointPainting
  • 任务48: 【视频】fusion 19:04
  • 第7节: homework: practice
  • 任务49: 【作业】第6节
  • 任务50: 【作业】第六章作业思路讲解--郝爽
  • 任务51: 【作业】第六章作业讲评--希马拉喔喔
  • 第7章: 3D Feature Detection
  • 第1节: Lecture Slides
  • 任务52: 【课件】PointCloudLecture7.pdf
  • 第2节: introduction & harris 2d
  • 任务53: 【视频】introduction & harris 2d 34:21
  • 第3节: harris 3d & 6d
  • 任务54: 【视频】harris 3d & 6d 26:50
  • 第4节: Intrinsic Shape Signatures (ISS)
  • 任务55: 【视频】ISS 07:59
  • 第5节: Deep learning 3D features - USIP
  • 任务56: 【视频】USIP 38:36
  • 第6节: SO-Net
  • 任务57: 【视频】SO-Net 17:29
  • 第7节: homework: practice
  • 任务58: 【作业】第七章
  • 任务59: 【第七章】作业思路讲解
  • 任务60: 第七章优秀作业讲评---Ezio_yyc
  • 第8章: 3D Feature Description
  • 第1节: Lecture Slides
  • 任务61: 【课件】Lecture8.pdf
  • 第2节: PFH & FPFH
  • 任务62: 【视频】Classical method-PFH & FPFH 36:26
  • 第3节: SHOT
  • 任务63: 【视频】Classical method-SHOT 27:19
  • 第4节: 3DMatch & Perfect Match
  • 任务64: 【视频】3DMatch & Perfect Match 44:50
  • 第5节: PPFNet & PPF-FoldNet
  • 任务65: 【视频】PPFNet & PPF-FoldNet 38:47
  • 第6节: homework: practice
  • 任务66: 【作业】第8次
  • 任务67: 【作业】第八章优秀作业讲评分享--赵泽宇
  • 第9章: Registration
  • 第1节: Lecture Slides
  • 任务68: 【课件】PointCloud Lecture9.pdf
  • 第2节: Iterative Closest Point (ICP)
  • 任务69-1: 【视频】ICP part I 39:56
  • 任务69-2: 【视频】ICP part II 33:53
  • 第3节: Normal Distribution Transform (NDT)
  • 任务70: 【视频】NDT 54:13
  • 第4节: Registration by RANSAC with feature detection, description, matching
  • 任务71: 【视频】RANSAC Registration 12:09
  • 第5节: homework: practice
  • 任务72-1: 【作业】Implement your own ICP or NDT
  • 任务72-2: 【数据】registration_dataset.txt
  • 任务73: 【作业】优秀作业讲评--陆一帆

相关推荐

计算机视觉 计算机视觉 环境感知 基础
智能机器人 定位与建图 基础