1. 3DSSD首先分析CVPR2020的3D目标检测文章“3DSSD: Point-based 3D Single Stage Object Detector”。这是一个单阶段，不需要Anchor的，基于点云的3D目标检测算法。网络实验效果也比较不错，比单阶段目标检测的SOTA方法优秀。在引言中，把当前的方法分为voxel-based方法和point-based方法。介绍voxel-based方
1. 前言快把最近库存的点云类论文读完了。每一年都有大批大批的SOTA论文诞生，有的是新鲜的思想，有的是从近两年框架上汲取灵感的结构，有点也会相互撞车。不管什么样的文章，作为泛读，我关注对我有帮助的闪光点。2. RandLA-Net这是一篇CVPR2020的文章“RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clo
标题1、从一个点云创建一个深度图像代码实验结果2、从深度图像提取边界代码实验结果3、点云到深度图像的变换与曲面重建代码实验结果 由于这是参照书上学习的，自己的理解都记在书上了，本文只为方便后期复制使用。1、从一个点云创建一个深度图像代码#include <pcl/range_image/range_image.h> //深度图像头文件
int
