三维点云学习心得：含多种点云算法（聚类、配准…）及项目实践

上图一蓝色点为地面，红色点为outliers；左图为open3d的地面检测结果，右图为自己设计的算法。

上图二为点云聚类的结果，左图为自己实现的算法，右图为调用现成的API，效果基本一致。

为什么要学习三维点云呢？ 三维点云是最重要的三维数据表达方式之一，它广泛应用于计算机视觉、自动驾驶、机器人等领域，比如环境感知、物体检测、点云分割、姿态估计等。

我是怎么学习三维点云的？ 三维点云的书籍寥寥无几，网上资料也比较零散，国内外系统讲解三维点云算法原理及配套实践的课程更是屈指可数。经朋友推荐，我报名了深蓝学院的『 三维点云处理 』课程。这门课程一共 9个实践项目，从理论学习应用到代码实践 。通过这门课，我对经典算法的理论有了清晰的认识，自己能实现这些算法，而不是简单调用一个API而已。上面的地面检测以及点云聚类就是课程的项目 之一。

扫码咨询报名，可领取试听

备注【 711 】优先通过！

课程讲师

高仙机器人深度学习与融合感知负责人

2014年清华大学本科毕业，2018年新加坡国立大学博士毕业，师从陈本美教授和Lee Gim Hee教授。此前历任Motional感知科学家和夜间驾驶负责人、字节跳动Al Lab视觉科学家。以第一作者发表多篇计算机视觉/机器人顶级会议论文，包括CVPR、ICCV、ICRA、IROS等。

（本课程中文授课，点击图片查看大图）

1. 对三维点云这一领域有全方位的认知，了解三维感知的各种问题及解决方案；

2. 深入理解各个经典点云算法，比如octree，ICP，PointNet等，并且在真实数据集上实现、应用这些算法；

3. 涉猎最前沿的感知(Perception)方向的深度学习算法，比如物体检测、点云配准、特征提取等，了解学术界的热点问题及发展趋势；