• 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/助教及时批改评优

  • 免费 1: 【免费试听】Introduction 15:30
  • 2: 三维点云处理第五期开课仪式.pdf
  • 3: 开课仪式助教分享-陆一帆.pdf
  • 第1章: Introduction and Basic Algorithms
  • 第1节: Lecture Slides
  • 4: 【课件】PointCloudLecture1.pdf
  • 第2节: Course outline and prerequisite
  • 5: 【视频】introduction 15:30
  • 第3节: PCA and Kernel PCA
  • 6: 【视频】PCA 25:02
  • 7: 【视频】kernal PCA 21:23
  • 第4节: Smoothing, Filtering and Downsampling
  • 8: 【视频】surface normal and filters 76:50
  • 第5节: Project
  • 9-1: 【作业】第一章
  • 9-2: 【数据集】Modelnet40.txt
  • 10: 第一章代码及思路讲解_助教张点堃.pdf
  • 11-1: 第一章优秀作业分享-Kai_53.pdf
  • 11-2: 【视频】第一章优秀作业讲评分享-kai_53 33:59
  • 第2章: Nearest Neighbor Problem
  • 第1节: Lecture
  • 12: 【课件】Lecture2.pdf
  • 第2节: Binary Search Tree
  • 13: 【视频】Binary Search Tree 49:22
  • 第3节: KD-Tree
  • 14: 【视频】KD-tree 32:50
  • 第4节: Octree
  • 15: 【视频】OCtree 29:40
  • 第5节: homework:practice
  • 16: 【作业】第二章
  • 17: 第二章作业思路讲解--助教陆一帆.pdf
  • 18-1: 第二章优秀作业讲评分享--Zachary.pdf
  • 18-2: lesson2code-Zach(1).zip
  • 第3章: Clustering
  • 第1节: Lecture Slides
  • 19: 【课件】PointCloudLecture3Clustering.pdf
  • 第2节: Math prerequisite
  • 20: 【视频】math prerequisite 22:13
  • 第3节: K-Means
  • 21: 【视频】K-means 28:40
  • 第4节: Gaussian Mixture Model (GMM)
  • 22: 【视频】GMM 39:06
  • 第5节: Expectation-Maximization (EM)
  • 23: 【视频】EM 28:18
  • 第6节: Spectral Clustering
  • 24: 【视频】Spectral Clustering 25:03
  • 第7节: homework:practice
  • 25: 【作业】第三章
  • 26: 第三章作业思路讲解-助教张点堃.pdf
  • 第4章: Model Fitting
  • 第1节: Lecture Slides
  • 27: 【课件】Lecture4V2.0.pdf
  • 第2节: Spectral Clustering
  • 28: 【视频】Spectral Clustering 74:04
  • 第3节: meanshift & dbscan
  • 29: 【视频】meansh & dbscan 25:12
  • 第4节: Robust Least Square
  • 30: 【视频】least_square 13:41
  • 第5节: Hough Transform
  • 31: 【视频】hough_transform 15:02
  • 第6节: RANSAC
  • 32: 【视频】ransac 23:04
  • 第7节: homework:practice
  • 33: 【作业】第四章
  • 34: 点云第四章优秀作业分享--yeah2333.pdf
  • 第5章: Deep Learning on Point Cloud
  • 第1节: Lecture Slides
  • 35: 【课件】Deep Learning with PointClouds.pdf
  • 第2节: Introduction to Deep Learning
  • 36: 【视频】introduction to Deep learning 61:34
  • 第3节: PointNet & PointNet++
  • 37-1: 【视频】PointNet 47:30
  • 37-2: 【视频】PointNet++ 30:13
  • 第4节: GCN
  • 38-1: 【课件】Lecture5-Supplementary.pdf
  • 38-2: 【视频】DGCNN 38:20
  • 38-3: 【视频】GCN 20:05
  • 第5节: Supplementary
  • 39: 【视频】some comments on deep learning 13:17
  • 第6节: homework:practice
  • 40-1: 【作业】Classification over ModelNet40
  • 40-2: 【代码框架】framework.zip
  • 41: 三维点云第5章作业思路讲解--助教陆一帆.pdf
  • 42: 点云第五章优秀作业分享--王志勇.pdf
  • 第6章: 3D Object Detection
  • 第1节: Lecture Slides
  • 43: 【课件】PointCloudLecture6.pdf
  • 第2节: Introduction
  • 44: 【视频】introduction 35:08
  • 第3节: Image based object detection - RCNN, FastRCNN, FasterRCNN, SSD
  • 45: 【视频】Image based object detection 52:09
  • 第4节: VoxelNet, PointPillars
  • 46: 【视频】Voxelnet&Pointpillar 46:26
  • 第5节: PointRCNN
  • 47: 【视频】PointRCNN 20:54
  • 第6节: Image and Point Cloud fusion - Frustum PointNet, PointPainting
  • 48: 【视频】fusion 19:04
  • 第7节: homework:practice
  • 49: 【作业】第六章
  • 50: 第六章思路讲解_助教张点堃.pdf
  • 51: 第六章作业分享-BIGBOSS_FoX.pdf
  • 第7章: 3D Feature Detection
  • 第1节: Lecture Slides
  • 52: 【课件】PointCloudLecture7.pdf
  • 第2节: Introduction & harris 2d
  • 53: 【视频】introduction & harris 2d 34:21
  • 第3节: harris 3d & 6d
  • 54: 【视频】harris 3d & 6d 26:50
  • 第4节: Intrinsic Shape Signatures (ISS)
  • 55: 【视频】ISS 07:59
  • 第5节: Deep learning 3D features - USIP
  • 56: 【视频】USIP 38:36
  • 第6节: SO-Net
  • 57: 【视频】SO-Net 17:29
  • 第7节: homework:practice
  • 58: 【作业】第七章
  • 59: 第七章作业思路讲解--助教陆一帆.pdf
  • 60: 张点堃助教-第七章作业分享.pdf
  • 第8章: 3D Feature Description
  • 第1节: Lecture Slides
  • 61: 【课件】PointCloudLecture8.pdf
  • 第2节: PFH & FPFH
  • 62: 【视频】Classical method-PFH & FPFH 36:26
  • 第3节: SHOT
  • 63: 【视频】Classical method-SHOT 27:19
  • 第4节: 3DMatch & Perfect Match
  • 64: 【视频】3DMatch & Perfect Match 44:50
  • 第5节: PPFNet & PPF-FoldNet
  • 65: 【视频】PPFNet & PPF-FoldNet 38:47
  • 第6节: homework:practice
  • 66: 【作业】第八章
  • 67: 第八章作业思路讲解--助教陆一帆.pdf
  • 68: 第8章作业优秀作业分享--BIGBOSS_FoX.zip
  • 第9章: Registration
  • 第1节: Lecture Slides
  • 69: 【课件】PointCloudLecture9.pdf
  • 第2节: Iterative Closest Point (ICP)
  • 70-1: 【视频】ICP part I 39:56
  • 70-2: 【视频】ICP part II 33:53
  • 第3节: Normal Distribution Transform (NDT)
  • 71: 【视频】NDT 54:13
  • 第4节: Registration by RANSAC with feature detection, description, matching
  • 72: 【视频】RANSAC Registration 12:09
  • 第5节: homework:practice
  • 73-1: 【作业】第九章
  • 73-2: 【数据集】registration_dataset.txt
  • 74: 助教张点堃-第9章思路讲解.pdf
  • 75: 第9章优秀作业分享--BIGBOSS_FoX.zip
  • 第10章: Project
  • 76: 大作业
  • 77-1: 第十章作业思路讲解--助教陆一帆.pdf
  • 77-2: test.zip
  • 78: 大作业优秀作业分享--BIGBOSS_FoX.zip

 

相关推荐

计算机视觉 计算机视觉 环境感知 进阶

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请完善资料,让我们更好的为您服务!

+86  (手机号已绑定)

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请选择自己感兴趣的领域

智能语音

三维视觉

计算机视觉

移动机器人

推荐系统

工业机器人

知识图谱

深度学习

自然语言处理