3D，点云分割，不要割个寂寞

点云分割的目的是分块，便于后续的单独处理。一般做法是根据空间、几何和纹理等特征信息进行划分，使同一划分内的点云具有相同或相似的特征。

目前，点云分割有2条路径可选：

即经典的分割方法和基于深度学习的分割方法。

首先，我们看一下有哪些经典的分割方法：

随机采样一致性算法，大名鼎鼎的RANSAC
欧式聚类分割算法
条件欧式聚类分割
基于区域生长的分割
基于颜色的区域生长分割
最小图割的分割
基于法线微分的分割
基于超体素的分割

除了RANSAC是基于概率的分割，其余几种都是基于聚类的分割。这里我们重点介绍下3种分割方法：

1、RANSAC

该算法核心思想是随机性和假设性。随机性是根据正确数据出现的概率去随机选取抽样数据；假设性是假设选出的抽样数据都是正确数据，然后用这些正确数据通过问题满足的模型，去计算其它点，然后对这次结果进行一个评分。

3D，点云分割，不要割个寂寞相关推荐

segMatch:基于3D点云分割的回环检测
该论文的地址是:https://arxiv.org/pdf/1609.07720.pdf segmatch是一个提供车辆的回环检测的技术,使用提取和匹配分割的三维激光点云技术.分割的例子可以在下面的图 ...
清华团队将Transformer用到3D点云分割上后，效果好极了
萧箫发自凹非寺量子位报道 | 公众号 QbitAI 当Transformer遇上3D点云,效果会怎么样? 一个是当下最热门的模型(NLP.图像领域表现都不错),另一个是自动驾驶领域.机器人抓取 ...
清华团队将Transformer用到3D点云分割
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达当Transformer遇上3D点云,效果会怎么样? 一个是当下最 ...
清华团队将Transformer用到3D点云分割上后，效果好极了丨开源
萧箫发自凹非寺量子位报道 | 公众号 QbitAI 当Transformer遇上3D点云,效果会怎么样? 一个是当下最热门的模型(NLP.图像领域表现都不错),另一个是自动驾驶领域.机器人抓取 ...
详解3D点云分割网络 Cylindrical and Asymmetrical 3D Convolution Networksfor LiDAR Segmentation
本文介绍一篇3D点云分割网络:Cylinder3D,论文已收录于 CVPR 2021. 这里重点是理解本文提出的 Cylindrical Partition 和 Asymmetrical 3D Con ...
收藏 | 清华团队将Transformer用到3D点云分割
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散仅作学术分享,不代表本公众号立场,侵权联系删除转载于:量子位 AI博士笔记系列推荐周志华<机器学习> ...
清华大学胡事民是计算机视觉,清华团队将Transformer用到3D点云分割上后，效果好极了丨开源...
萧箫发自凹非寺量子位报道 | 公众号 QbitAI 当Transformer遇上3D点云,效果会怎么样? 一个是当下最热门的模型(NLP.图像领域表现都不错),另一个是自动驾驶领域.机器人抓取等 ...
CVPR2020中关于3D点云分割
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者:不知道叫什么好 | 来源:知乎 https://zhuanlan.zhihu.com/p/152 ...
【论文笔记】3D点云分割-PointNet
paper:PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 与普通的2D图片不同,点云数据是空 ...
Transformer用到3D点云分割
文章链接 git代码来自清华计算机系的团队,开发出了一个全新的PCT网络,相比于目前主流的点云分割模型PointNet,不仅参数量减少,准确度还从89.2%提升到了93.2%.

3D，点云分割，不要割个寂寞

1、RANSAC

3D，点云分割，不要割个寂寞相关推荐

最新文章

热门文章