课程价格 :
¥1099.00
剩余名额
0
-
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
- 1:【视频】如何获得免费的GPU服务器资源
- 2:【作业提交要求】
- 3:开课仪式
- 第1章: Introduction and Basic Algorithms
- 4:【课件】PointCloudLecture1
- 第1节: 为什么讲解这些知识点
- 5:【视频】本章知识点的实际应用
- 第2节: Course outline and prerequisite
- 6:【视频】introduction
- 第3节: PCA and Kernel PCA
- 7-1:【视频】PCA
- 7-2:【视频】kernal PCA
- 第4节: Smoothing, Filtering and Downsampling
- 8:【视频】surface normal and filters
- 第5节: Project
- 9-1:面试题汇总
- 9-2:【作业】第一章
- 9-3:【数据集】Modelnet40
- 9-4:说明文档
- 9-5:优秀说明文档
- 10-1:第一章作业思路提示
- 10-2:第一章优秀作业分享
- 第2章: Nearest Neighbor Problem
- 11:【课件】Lecture2
- 第1节: 为什么讲解这些知识点
- 12:【视频】本章知识点的实际应用
- 第2节: Binary Search Tree
- 13:【视频】Binary Search Tree
- 第3节: KD-Tree
- 14:【视频】KD-tree
- 第4节: Octree
- 15:【视频】OCtree
- 第5节: homework:practice
- 16-1:【作业】第二章
- 16-2:第二章作业思路提示
- 第3章: Clustering
- 17:【课件】PointCloudLecture3Clustering
- 第1节: 为什么讲解这些知识点
- 18:【视频】本章知识点的实际应用
- 第2节: Math prerequisite
- 19:【视频】math prerequisite
- 第3节: K-Means
- 20:【视频】K-means
- 第4节: Gaussian Mixture Model (GMM)
- 21:【视频】GMM
- 第5节: Expectation-Maximization (EM)
- 22:【视频】EM
- 第6节: Spectral Clustering
- 23:【视频】Spectral Clustering
- 第7节: homework:practice
- 24-1:【作业】第三章
- 24-2:第三章作业思路提示
- 第4章: Model Fitting
- 第1节: 为什么讲解这些知识点
- 25:【视频】本章知识点的实际应用
- 第2节: Lecture Slides
- 26:【课件】Lecture4V2.0
- 第3节: Spectral Clustering
- 27:【视频】Spectral Clustering
- 第4节: meanshift & dbscan
- 28:【视频】meansh & dbscan
- 第5节: Robust Least Square
- 29:【视频】least_square
- 第6节: Hough Transform
- 30:【视频】hough_transform
- 第7节: RANSAC
- 31:【视频】ransac
- 第8节: homework:practice
- 32-1:【作业】第四章
- 32-2:第四章作业思路提示
- 32-3:第4章优秀作业分享
- 第5章: Deep Learning on Point Cloud
- 第1节: 为什么讲解这些知识点
- 33:【视频】本章知识点的实际应用
- 第2节: Lecture Slides
- 34:【课件】5DeepLearningwithPointClouds.pdf
- 第3节: Introduction to Deep Learning
- 35:【视频】introduction to Deep learning
- 第4节: PointNet & PointNet++
- 36-1:【视频】PointNet
- 36-2:【视频】PointNet++
- 第5节: GCN
- 37-1:【课件】Lecture5-Supplementary.pdf
- 37-2:【视频】DGCNN
- 37-3:【视频】GCN
- 第6节: Supplementary
- 38:【视频】some comments on deep learning
- 第7节: homework:practice
- 39-1:【代码框架】framework
- 39-2:【作业】第五章
- 39-3:第五章作业思路提示
- 39-4:第5章优秀作业分享
- 第6章: 3D Object Detection
- 第1节: 为什么讲解这些知识点
- 40:【视频】本章知识点的实际应用
- 第2节: Lecture
- 41:【课件】PointCloudLecture6
- 第3节: Introduction
- 42:【视频】introduction
- 第4节: Image based object detection - RCNN, FastRCNN, FasterRCNN, SSD
- 43:【视频】Image based object detection
- 第5节: VoxelNet, PointPillars
- 44:【视频】Voxelnet&Pointpillar
- 第6节: PointRCNN
- 45:【视频】PointRCNN
- 第7节: Image and Point Cloud fusion - Frustum PointNet, PointPainting
- 46:【视频】fusion
- 第8节: homework:practice
- 47-1:【作业】第六章
- 47-2:第六章作业思路提示
- 第7章: 3D Feature Detection
- 第1节: 为什么讲解这些知识点
- 48:【视频】L7&8 为什么要讲本章节知识点
- 第2节: Lecture Slides
- 49:【课件】PointCloudLecture7
- 第3节: Introduction & harris 2d
- 50:【视频】introduction & harris 2d
- 第4节: harris 3d & 6d
- 51:【视频】harris 3d & 6d
- 第5节: Intrinsic Shape Signatures (ISS)
- 52:【视频】ISS
- 第6节: Deep learning 3D features - USIP
- 53:【视频】USIP
- 第7节: SO-Net
- 54:【视频】SO-Net
- 第8节: homework:practice
- 55-1:【作业】第七章
- 55-2:第七章作业思路提示
- 第8章: 3D Feature Description
- 第1节: Lecture Slides
- 56:【课件】PointCloudLecture8
- 第2节: PFH & FPFH
- 57:【视频】Classical method-PFH & FPFH
- 第3节: SHOT
- 58:【视频】Classical method-SHOT
- 第4节: 3DMatch & Perfect Match
- 59:【视频】3DMatch & Perfect Match
- 第5节: PPFNet & PPF-FoldNet
- 60:【视频】PPFNet & PPF-FoldNet
- 第6节: homework:practice
- 61-1:【作业】第八章
- 61-2:第八章作业思路提示
- 第9章: Registration
- 62:【课件】PointCloudLecture9
- 第1节: 为什么讲解这些知识点
- 63:【视频】本章知识点的实际应用
- 第2节: Lecture Slides
- 64:【视频】ICP part I
- 第3节: Iterative Closest Point (ICP)
- 65:【视频】ICP part 2
- 第4节: Normal Distribution Transform (NDT)
- 66:【视频】NDT
- 第5节: Registration by RANSAC with feature detection, description, matching
- 67:【视频】RANSAC Registration
- 第6节: homework:practice
- 68-1:【作业】第九章
- 68-2:面试题汇总
- 68-3:第九章作业思路提示
- 第10章: Project
- 69-1:【作业】Final Project
- 69-2:大作业思路讲解-高鑫