-
学习人数
4549
-
难度级别
中级
-
课程时长
8时47分
-
综合评分
10
￥ 1499.00
- 第1章 基础知识
- 1-1 课程概述 （ 22:56）
- 1-2 激光雷达原理 （ 33:37）
- 1-3 激光雷达安装、标定与同步 （ 01:06:39）
- 1-4 激光雷达数据采集 （ 16:05）
- 1-5 演示：ROS基础编程 （ 31:03）
- 1-6 第一章作业讲解 （ 34:38）
- 第2章 三维点云表征概述
- 2-1 三维表征的获取方式及原理（上） （ 51:46）
- 2-2 三维表征的获取方式及原理（下） （ 24:01）
- 2-3 三维信息的表征形式 （ 42:31）
- 2-4 点云的基本特征和描述 （ 43:19）
- 2-5 第二章作业讲解 （ 36:00）
- 2-6 直播答疑 （ 57:42）
- 第3章 三维空间变换
- 3-1 欧式坐标系 （ 19:35）
- 3-2 刚体运动变换（上） （ 51:30）
- 3-3 刚体运动变换（下） （ 37:09）
- 3-4 三维空间变换 （ 36:53）
- 3-5 第三章作业答疑 （ 22:42）
- 第4章 三维点云数据处理基础
- 4-1 Point Cloud Library （ 51:59）
- 4-2 点云滤波方法 （ 20:35）
- 4-3 点云组织形式与最近邻搜索 （ 49:51）
- 4-4 点云分割 拟合 聚类方法 （ 32:53）
- 4-5 激光雷达运动补偿方法 （ 16:58）
- 4-6 点云去地面原理及方法 （ 13:21）
- 4-7 演示1：点云滤波方法 （ 20:04）
- 4-8 演示2：点云组织形式与最近邻搜索 （ 05:46）
- 4-9 演示3：segmentation代码和聚类 拟合 （ 15:51）
- 4-10 演示4：点云去地面原理及发法 （ 14:04）
- 4-11 第四章作业答疑 （ 31:35）
- 第5章 点云配准与点云SLAM基础
- 5-1 点云配准方法（上） （ 22:30）
- 5-2 点云配准方法（下） （ 29:40）
- 5-3 SLAM基础框架 （ 31:28）
- 5-4 帧间匹配与激光里程计 （ 32:48）
- 5-5 SLAM图优化基础 （ 24:08）
- 5-6 第五章作业答疑 （ 10:49）
- 第6章 点云识别与跟踪描述
- 6-1 点云关键点检测 （ 34:33）
- 6-2 点云常用特征描述（上） （ 25:14）
- 6-3 点云常用特征描述（下） （ 55:38）
- 6-4 精神网络设计与机器学习 （ 38:16）
- 6-5 第六章作业答疑 （ 28:45）
- 第7章 深度学习方法基础
- 7-1 深度学习基础 （ 25:57）
- 7-2 一种简单的人工神经网络 （ 12:19）
- 7-3 深度学习网络结构(上） （ 22:47）
- 7-4 深度学习网络结构(下） （ 15:55）
- 7-5 深度学习网络训练优化 （ 25:29）
- 7-6 点云处理的深度学习介绍 （ 18:28）
- 7-7 直播答疑 （ 01:00:47）
- 第8章 基于深度学习的点云分类方法
- 8-1 点云分类网络设计基础（上） （ 33:21）
- 8-2 点云分类网络设计基础（下） （ 37:02）
- 8-3 Pointwise MLP：PointNet，PointNet++（上） （ 38:59）
- 8-4 Pointwise MLP：PointNet，PointNet++（下） （ 35:10）
- 第9章 基于深度学习的点云分割方法
- 9-1 点云分割网络设计基础 （ 18:22）
- 9-2 Graph-based:KCNet （ 25:04）
- 9-3 Graph-based:DGCNN （ 34:42）
- 9-4 Data Indexing-based:SO-Net （ 25:45）
- 9-5 Convolution-based：pointCNN （ 23:15）
- 9-6 Convolution-based：KPConv （ 33:55）
- 第10章 基于深度学习的点云注册方法
- 10-1 点云注册网络设计基础（上） （ 34:05）
- 10-2 点云注册网络设计基础（下） （ 07:24）
- 10-3 Metric based：3DMatch （ 17:13）
- 10-4 Metric based：3DFeatNet （ 20:11）
- 10-5 Regression based：Deep Closest Point （ 05:09）
- 第11章 基于深度学习的点云重识别与重定位
- 11-1 点云重识别和重定位方法 （ 18:32）
- 11-2 Point-to-Point：Flownet3D （ 24:22）
- 11-3 Frame-to-Frame：Deep Closest Point （ 31:50）
- 11-4 Frame-to-Frame：DeepVCP （ 20:15）
- 11-5 Frame-to-Map：L3-Net （ 18:46）
- 第12章 基于深度学习的点云物体识别
- 12-1 Point cloud Object Detection（上） （ 20:20）
- 12-2 Point cloud Object Detection（下） （ 20:32）
- 12-3 3D Datasets （ 07:16）
- 12-4 深度学习点云物体识别任务指标 （ 14:31）
- 12-5 点云物体识别网络梳理（上） （ 31:46）
- 12-6 点云物体识别网络梳理（下） （ 32:11）
- 第13章 基于深度学习的激光与视觉融合物体识别
- 13-1 点云图像融合物体识别基础（上） （ 21:45）
- 13-2 点云图像融合物体识别基础（下） （ 42:38）
- 13-3 视觉物体识别网络梳理 （ 17:47）
- 13-4 RCNN family：RCNN，Fast RCNN，Faster RCNN （ 30:26）
- 13-5 RCNN family：Mask RCNN （ 09:03）
- 13-6 YOLO family：YOLO，YOLOv2，YOLOv3 （ 26:21）
- 13-7 点云物体识别网络梳理 （ 34:13）
- 第14章 深度学习在激光SLAM中的应用
- 14-1 深度学习与激光SLAM的结合点 （ 25:27）
- 14-2 Deep Lidar Odometry（上） （ 11:08）
- 14-3 Deep Lidar Odometry（下） （ 24:10）
- 14-4 Deep Lidar Loop Closure Detection （ 07:19）
- 第15章 动手实践之Pointnet系列
- 15-1 PoitnNet 实战ABC （ 30:44）
讲师提示
索传哲
柯柏文（深圳）科技有限公司研发总监
- 讲师简介
- 在基于深度学习的三维点云处理方面具有多年经验，包括面向自动驾驶的融合感知，三维点云SLAM，基于自主机器人系统控制与规划等。曾在香港机场物流自动驾驶拖车项目的感知系统研发，所提的基于三维点云学习的动态大场景识别算法成功实现了高动态香港城市道路和复杂机场仓储环境下的实时场景识别和鲁棒闭环检测任务，在ICCV， ICRA，IROS等国际顶级会议上发表多篇论文。
资料下载
-
【三维点云第1章】课件7.488M 10次下载 -
【三维点云第1章】作业215.545K 8次下载
-
【三维点云第2章】课件10.828M 8次下载
-
【三维点云第2章】作业350.248K 7次下载
-
【三维点云第3章】课件4.713M 6次下载
-
【三维点云第2章】作业拓展资料2.058M 6次下载 -
【三维点云第3章】作业225.756K 8次下载
-
【三维点云第3章】拓展学习202.798K 7次下载
-
【三维点云第4章】课件9.417M 10次下载
-
【三维点云第4章】作业212.497K 13次下载
