三维点云是最重要的三维数据表达方式之一。算法
从技术角度看，SLAM、三维重建、机器人感知等领域，点云都是最简单且最广泛的表达方式：相对于图像，点云有其不可替代的优点——深度，即三维点云直接提供了三维空间的数据，而图像则须要经过透视几何来反推三维数据。微信
从应用角度看，上至无人驾驶中的激光雷达，下至微软Kinect、iPhone FaceID以及各类各样的AR/VR应用，都须要基于点云的数据处理，好比物体检测、人脸识别、人体姿态估算等。学习
三维点云处理并不容易，首先，三维点云比图像多了一个维度；其次，点云是不规则分布的，比图像式的规整网格更难处理；而后，点云缺乏了图像中的纹理，致使了在语义分析方面的困难。同时，因为三维点云的应用面很是广，因此点云处理所涉及的算法也多种多样，涵盖了机器人、计算机视觉的各个分支。深度学习
然而，对比点云处理的庞大需求以及较高技术难度，更难的是目前鲜有针对三维点云的系列课程。伙伴们更容易陷入“调参”，只知表面不懂原理的艰难境地。io
基于此，深蓝学院今年4月开设了『三维点云处理』课程，而且两期课程以来，深受广大学员好评。近期又有不少伙伴咨询新一期的开课安排，为此，通过课程组与授课讲师沟通，决定于10月23日开设第3期，欢迎各位伙伴报名，共同窗习！table
01class
经过课程，能够有哪些收获原理
对三维点云这一领域有全方位的认知，了解三维感知的各类问题及解决方案。技巧
深刻理解各个经典点云算法，好比octree，ICP，PointNet等，而且在真实数据集上实现、应用这些算法。im
涉猎最前沿的感知(Perception)方向的深度学习算法，好比物体检测、点云配准、特征提取等，了解学术界的热点问题及发展趋势。
了解实际应用中各类算法的优点及局限，对于具体问题如何选择合适的算法，以及如何修改算法应对长尾/边缘问题（longtail/edge cases）。
02
实力讲师，课程保障
黎嘉信
自动驾驶研究科学家
新加坡国立大学（NUS）博士
博士期间，师从电子与计算机系Ben M. Chen教授及计算机系Lee Gim Hee教授，主要研究领域为计算机视觉、深度学习、机器人。在CVPR 2018, ICCV 2019, ICRA 2019, IROS 2017的顶级会议上以第一做者发表论文多篇。在2017, 2015年国际微小型无人机大赛中得到冠军、亚军。
03
系统科学的学习计划
（ 中文授课 ）
04
优质服务，为你保驾护航！
一、社群答疑
课程创建答疑群，高效获取疑问解答的同时，结识更多同领域的伙伴。
二、“三师”助力
班主任督促学习、助教及时批改做业并配合讲师微信群答疑，及时解惑，高效学习。
（向右滑动查看更多答疑内容）
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
_ |
< 三维点云第二期课程答疑群截图 >
三、做业迭代
提交做业，助教批改后，根据助教意见对做业进行迭代修改；没有最好，只有更好！
四、按期班会
每期班会，助教对做业进行讲评和指导；在班会中，学习更多技巧；在交流中，收获更多思路。
抢占优惠名额
马上报名，直接优惠100元
名额有限，赶快抢占优惠名额！
备注「3D视觉」，优先经过哦~
微信扫码，咨询更多！