• 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
  • 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
  • 第3节: PCA and Kernel PCA
  • 6: 【视频】PCA
  • 7: 【视频】kernal PCA
  • 第4节: Smoothing, Filtering and Downsampling
  • 8: 【视频】surface normal and filters
  • 第5节: Project
  • 9-1: 【作业】第一章
  • 9-2: 【数据集】Modelnet40.txt
  • 10: 第一章作业思路讲解--助教郭叙森.pdf
  • 第2章: Nearest Neighbor Problem
  • 第1节: Lecture Slides
  • 11: 【课件】Lecture2.pdf
  • 第2节: Binary Search Tree
  • 12: 【视频】Binary Search Tree
  • 第3节: KD-Tree
  • 13: 【视频】KD-tree
  • 第4节: Octree
  • 14: 【视频】OCtree
  • 第5节: homework:practice
  • 15: 【作业】第二章
  • 16: 第二章作业讲评--助教孙浩文.pdf
  • 第3章: Clustering
  • 第1节: Lecture Slides
  • 17: 【课件】PointCloudLecture3Clustering.pdf
  • 第2节: Math prerequisite
  • 18: 【视频】math prerequisite
  • 第3节: K-Means
  • 19: 【视频】K-means
  • 第4节: Gaussian Mixture Model (GMM)
  • 20: 【视频】GMM
  • 第5节: Expectation-Maximization (EM)
  • 21: 【视频】EM
  • 第6节: Spectral Clustering
  • 22: 【视频】Spectral Clustering
  • 第7节: homework:practice
  • 23: 【作业】第三章
  • 24: 作业第三讲讲解_郭叙森助教.pdf
  • 第4章: Model Fitting
  • 第1节: Lecture Slides
  • 25: 【课件】Lecture4V2.0.pdf
  • 第2节: Spectral Clustering
  • 26: 【视频】Spectral Clustering
  • 第3节: meanshift & dbscan
  • 27: 【视频】meansh & dbscan
  • 第4节: Robust Least Square
  • 28: 【视频】least_square
  • 第5节: Hough Transform
  • 29: 【视频】hough_transform
  • 第6节: RANSAC
  • 30: 【视频】ransac
  • 第7节: homework:practice
  • 31: 【作业】第四章
  • 32: 第4章作业讲解--助教孙浩文.pdf
  • 33: 三维点云第四章优秀作业分享--游如光.pdf
  • 第5章: Deep Learning on Point Cloud
  • 第1节: Lecture Slides
  • 34: 【课件】Deep Learning with Point Clouds.pdf
  • 第2节: Introduction to Deep Learning
  • 35: 【视频】introduction to Deep learning
  • 第3节: PointNet & PointNet++
  • 36-1: 【视频】PointNet
  • 36-2: 【视频】PointNet++
  • 第4节: GCN
  • 37-1: 【课件】Lecture5-Supplementary.pdf
  • 37-2: 【视频】DGCNN
  • 37-3: 【视频】GCN
  • 第5节: Supplementary
  • 38: 【视频】some comments on deep learning
  • 第6节: homework:practice
  • 39-1: 【作业】第五章
  • 39-2: 【代码框架】framework.zip
  • 40: 第五章优秀作业分享--无名小卒10086.pdf
  • 第6章: 3D Object Detection
  • 第1节: Lecture Slides
  • 41: 【课件】PointCloudLecture6.pdf
  • 第2节: Introduction
  • 42: 【视频】introduction
  • 第3节: Image based object detection - RCNN, FastRCNN, FasterRCNN, SSD
  • 43: 【视频】Image based object detection
  • 第4节: VoxelNet, PointPillars
  • 44: 【视频】Voxelnet&Pointpillar
  • 第5节: PointRCNN
  • 45: 【视频】PointRCNN
  • 第6节: Image and Point Cloud fusion - Frustum PointNet, PointPainting
  • 46: 【视频】fusion
  • 第7节: homework:practise
  • 47: 【作业】第六章
  • 48: 第6章作业思路讲解--助教孙浩文.pdf
  • 第7章: 3D Feature Detection
  • 第1节: Lecture Slides
  • 49: 【课件】PointCloudLecture7.pdf
  • 第2节: Introduction & harris 2d
  • 50: 【视频】introduction & harris 2d
  • 第3节: harris 3d & 6d
  • 51: 【视频】harris 3d & 6d
  • 第4节: Intrinsic Shape Signatures (ISS)
  • 52: 【视频】ISS
  • 第5节: Deep learning 3D features - USIP
  • 53: 【视频】USIP
  • 第6节: SO-Net
  • 54: 【视频】SO-Net
  • 第7节: homework:practise
  • 55: 【作业】第七章
  • 56: 第七章思路讲解-助教郭叙森.pdf
  • 第8章: 3D Feature Description
  • 第1节: Lecture Slides
  • 57: 【课件】PointCloudLecture8.pdf
  • 第2节: PFH & FPFH
  • 58: 【视频】Classical method-PFH & FPFH
  • 第3节: SHOT
  • 59: 【视频】Classical method-SHOT
  • 第4节: 3DMatch & Perfect Match
  • 60: 【视频】3DMatch & Perfect Match
  • 第5节: PPFNet & PPF-FoldNet
  • 61: 【视频】PPFNet & PPF-FoldNet
  • 第6节: homework:practice
  • 62: 【作业】第八章
  • 63: 第八章作业思路讲解--助教孙浩文.pdf
  • 第9章: Registration
  • 第1节: Lecture Slides
  • 64: 【课件】PointCloudLecture9.pdf
  • 第2节: Iterative Closest Point (ICP)
  • 65-1: 【视频】ICP part I
  • 65-2: 【视频】ICP part II
  • 第3节: Normal Distribution Transform (NDT)
  • 66: 【视频】NDT
  • 第4节: Registration by RANSAC with feature detection, description, matching
  • 67: 【视频】RANSAC Registration
  • 第5节: homework:practice
  • 68-1: 【作业】第九章
  • 68-2: 【数据集】registration_dataset.txt

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