Modeling Local Geometric Structure of 3D Point Clouds using Geo-CNN
动机： 对点云的局部结构信息进行建模已经被证明是一件非常重要的事情，而之前的研究主要通过层级的方式提取点云的局部特征。显式的对局部点集的几何结构信息进行建模的研究很少。基于点云的几何信息隐含在点云的坐标中这一合理的假设，作者提出了一种名为Geo-Conv的卷积方式，对每个点和它的邻居点进行特征提取。 概括： Geo-Conv主要是将中心点到邻居点所组成的向量分解到三个正交轴上，然后根据该向量和三个
相关文章
- 1. Modeling Local Geometric Structure of 3D Point Clouds using Geo-CNN 速记
- 2. 【点云识别】Modeling Local Geometric Structure of 3D Point Clouds using Geo-CNN (CVPR 2019)
- 3. 3D Point Clouds-1
- 4. Recurrent Slice Networks for 3D Segmentation of Point Clouds[CVPR2018]
- 5. Point Cloud 2019
- 6. Literature Review: Incremental Segment-Based Localization in 3D Point Clouds
- 7. Unsupervised Learning of Depth and Ego-Motion from Monocular Video Using 3D Geometric Constraints
- 8. Paper5：Curved-Voxel Clustering for Accurate Segmentation of 3D LiDAR Point Clouds with Real-Time Per
- 9. 【论文阅读】-2019-CLASSIFICATION OF AERIAL POINT CLOUDS WITH DEEP LEARNING
- 10. Vote3Deep: Fast Object Detection in 3D Point Clouds Using Efficient CNN论文综述（2016）
- 更多相关文章...
- • XSLT
- • XSLT
- • 互联网组织的未来：剖析GitHub员工的任性之源
- • Composer 安装与使用
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Modeling Local Geometric Structure of 3D Point Clouds using Geo-CNN 速记
- 2. 【点云识别】Modeling Local Geometric Structure of 3D Point Clouds using Geo-CNN (CVPR 2019)
- 3. 3D Point Clouds-1
- 4. Recurrent Slice Networks for 3D Segmentation of Point Clouds[CVPR2018]
- 5. Point Cloud 2019
- 6. Literature Review: Incremental Segment-Based Localization in 3D Point Clouds
- 7. Unsupervised Learning of Depth and Ego-Motion from Monocular Video Using 3D Geometric Constraints
- 8. Paper5：Curved-Voxel Clustering for Accurate Segmentation of 3D LiDAR Point Clouds with Real-Time Per
- 9. 【论文阅读】-2019-CLASSIFICATION OF AERIAL POINT CLOUDS WITH DEEP LEARNING
- 10. Vote3Deep: Fast Object Detection in 3D Point Clouds Using Efficient CNN论文综述（2016）