-
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
- 第1章: Introduction and Basic Algorithms
- 第1节: Course outline and prerequisite
- 第2节: PCA and Kernel PCA
- 第3节: Smoothing, Filtering and Downsampling
- 第4节: Project
- 第2章: Nearest Neighbor Problem
- 第1节: Binary Search Tree
- 第2节: KD-Tree
- 第3节: Octree
- 第4节: homework：practice
- 第3章: Clustering
- 第1节: Math prerequisite
- 第2节: K-Means
- 第3节: Gaussian Mixture Model (GMM)
- 第4节: Expectation-Maximization (EM)
- 第5节: Spectral Clustering
- 第6节: homework：practice
- 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
请选择自己感兴趣的领域
