• 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

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