• 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

  • 课程有效期

    一年/告别拖延,温故知新

*课程已报满,可预约下一期

  • 1-1: 三维点云第九期开课仪式.pdf
  • 1-2: 开课仪式-助教.pdf
  • 2: 点云作业要求-于恩霖.pdf
  • 第1章: Introduction and Basic Algorithms
  • 3: 【课件】PointCloudLecture1v3.0.pdf
  • 第1节: Course outline and prerequisite
  • 4: 【视频】introduction
  • 第2节: PCA and Kernel PCA
  • 5: 【视频】PCA
  • 6: 【视频】kernal PCA
  • 第3节: Smoothing, Filtering and Downsampling
  • 7: 【视频】surface normal and filters
  • 第4节: Project
  • 8-1: 【作业】第一章
  • 8-2: 【数据集】Modelnet40.txt
  • 8-3: 说明文档.pdf
  • 8-4: 优秀说明文档.pdf
  • 9: 【思路讲解】第一章-于恩霖
  • 第2章: Nearest Neighbor Problem
  • 10: 【课件】Lecture2.pdf
  • 第1节: Binary Search Tree
  • 11: 【视频】Binary Search Tree
  • 第2节: KD-Tree
  • 12: 【视频】KD-tree
  • 第3节: Octree
  • 13: 【视频】OCtree
  • 第4节: homework:practice
  • 14: 【作业】第二章
  • 第3章: Clustering
  • 15: 【课件】PointCloudLecture3Clustering.pdf
  • 第1节: Math prerequisite
  • 16: 【视频】math prerequisite
  • 第2节: K-Means
  • 17: 【视频】K-means
  • 第3节: Gaussian Mixture Model (GMM)
  • 18: 【视频】GMM
  • 第4节: Expectation-Maximization (EM)
  • 19: 【视频】EM
  • 第5节: Spectral Clustering
  • 20: 【视频】Spectral Clustering
  • 第6节: homework:practice
  • 21: 【作业】第三章
  • 第4章: Model Fitting
  • 第1节: Lecture Slides
  • 第2节: Spectral Clustering
  • 第3节: meanshift & dbscan
  • 第4节: Robust Least Square
  • 第5节: Hough Transform
  • 第6节: RANSAC
  • 第7节: homework:practice
  • 第5章: Deep Learning on Point Cloud
  • 第1节: Lecture Slides
  • 第2节: Introduction to Deep Learning
  • 第3节: PointNet & PointNet++
  • 第4节: GCN
  • 第5节: Supplementary
  • 第6节: homework:practice
  • 第6章: 3D Object Detection
  • 第1节: Lecture
  • 第2节: Introduction
  • 第3节: Image based object detection - RCNN, FastRCNN, FasterRCNN, SSD
  • 第4节: VoxelNet, PointPillars
  • 第5节: PointRCNN
  • 第6节: Image and Point Cloud fusion - Frustum PointNet, PointPainting
  • 第7节: homework:practice
  • 第7章: 3D Feature Detection
  • 第1节: Lecture Slides
  • 第2节: Introduction & harris 2d
  • 第3节: harris 3d & 6d
  • 第4节: Intrinsic Shape Signatures (ISS)
  • 第5节: Deep learning 3D features - USIP
  • 第6节: SO-Net
  • 第7节: homework:practice
  • 第8章: 3D Feature Description
  • 第1节: Lecture Slides
  • 第2节: PFH & FPFH
  • 第3节: SHOT
  • 第4节: 3DMatch & Perfect Match
  • 第5节: PPFNet & PPF-FoldNet
  • 第6节: homework:practice
  • 第9章: Registration
  • 第1节: Lecture Slides
  • 第2节: Iterative Closest Point (ICP)
  • 第3节: Normal Distribution Transform (NDT)
  • 第4节: Registration by RANSAC with feature detection, description, matching
  • 第5节: homework:practice

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》