• 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: 【视频】三维点云课程介绍 14:48
  • 2: 三维点云处理第六期开课仪式.pdf
  • 3: 三维点云处理-第六期 助教分组名单.xlsx
  • 第1章: Introduction and Basic Algorithms
  • 第1节: Lecture Slides
  • 4: 【课件】PointCloudLecture1v3.0.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
  • 第2章: Nearest Neighbor Problem
  • 第1节: Lecture Slides
  • 10: 【课件】Lecture2.pdf
  • 第2节: Binary Search Tree
  • 11: 【视频】Binary Search Tree 49:22
  • 第3节: KD-Tree
  • 12: 【视频】KD-tree 32:50
  • 第4节: Octree
  • 13: 【视频】OCtree 29:40
  • 第5节: homework:practice
  • 14: 【作业】第二章
  • 第3章: Clustering
  • 第1节: Lecture Slides
  • 15: 【课件】PointCloudLecture3Clustering.pdf
  • 第2节: Math prerequisite
  • 16: 【视频】math prerequisite 22:13
  • 第3节: K-Means
  • 17: 【视频】K-means 28:40
  • 第4节: Gaussian Mixture Model (GMM)
  • 18: 【视频】GMM 39:06
  • 第5节: Expectation-Maximization (EM)
  • 19: 【视频】EM 28:18
  • 第6节: Spectral Clustering
  • 20: 【视频】Spectral Clustering 25:03
  • 第7节: homework:practice
  • 21: 【作业】第三章
  • 第4章: Model Fitting
  • 第1节: Lecture Slides
  • 22: 【课件】Lecture4V2.0.pdf
  • 第2节: Spectral Clustering
  • 23: 【视频】Spectral Clustering 74:04
  • 第3节: meanshift & dbscan
  • 24: 【视频】meansh & dbscan 25:12
  • 第4节: Robust Least Square
  • 25: 【视频】least_square 13:41
  • 第5节: Hough Transform
  • 26: 【视频】hough_transform 15:02
  • 第6节: RANSAC
  • 27: 【视频】ransac 23:04
  • 第7节: homework:practice
  • 28: 【作业】第四章
  • 第6章: 3D Object Detection
  • 第1节: Introduction
  • 第2节: Image based object detection - RCNN, FastRCNN, FasterRCNN, SSD
  • 第3节: VoxelNet, PointPillars
  • 第4节: PointRCNN
  • 第5节: Image and Point Cloud fusion - Frustum PointNet, PointPainting
  • 第7章: 3D Feature Detection
  • 第1节: Introduction & harris 2d
  • 第2节: harris 3d & 6d
  • 第3节: Intrinsic Shape Signatures (ISS)
  • 第4节: Deep learning 3D features - USIP
  • 第5节: SO-Net
  • 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

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