系统剖析自动驾驶点云处理的应用案例来构建点云知识体系；深入梳理深度学习在点云处理中的前沿任务与热点问题来掌握研究趋势 59bad5693b745570b0db9fb17ba27e5b_080602z681vs896u8g4833.png (33.83 KB, 下载次数: 24) 下载附件 保存到相册 2025-9-6 17:20 上传 ├─第1章基础知识 │  │  1-1课程概述.mp4 │  │  1-2激光雷达原理.mp4 │  │  1-3激光雷达安装、标定与同步.mp4 │  │  1-4激光雷达数据采集.mp4 │  │  1-5常用编程基础.mp4 │  │  【三维点云第1章】作业.docx │  │  【三维点云第1章】概述.pdf │  │  【三维点云第1章】课件.pdf │  │ │  └─睿慕课三维点云与深度学习课程资料 │      └─CH1激光雷达 │          │  (2019-12-18)RS-Lidar-32_User_Guide_v2.3.2_CN.pdf │          │  RSView 3.1.6 for Ubuntu 16.04.zip │          │  RSView 3.1.6 for Windows_Setup.rar │          │  RS_32_data.pcap │          │  seu.bag │          │ │          └─rs_lidar_32 │                  angle.csv │                  ChannelNum.csv │                  CurveRate.csv │                  curves.csv │                  limit.csv │ ├─第2章三维点云表征概述 │  │  2-1三维表征的获取方式和原理.mp4 │  │  2-2三维信息的表征形式.mp4 │  │  2-3点云的基本特征及描述.mp4 │  │  【三维点云第2章】作业.docx │  │  【三维点云第2章】课件.pdf │  │ │  └─睿慕课三维点云与深度学习课程资料 │      ├─CH1激光雷达 │      │  │  (2019-12-18)RS-Lidar-32_User_Guide_v2.3.2_CN.pdf │      │  │  RSView 3.1.6 for Ubuntu 16.04.zip │      │  │  RSView 3.1.6 for Windows_Setup.rar │      │  │  RS_32_data.pcap │      │  │  seu.bag │      │  │ │      │  └─rs_lidar_32 │      │          angle.csv │      │          ChannelNum.csv │      │          CurveRate.csv │      │          curves.csv │      │          limit.csv │      │ │      └─CH2点云表征 │          ├─homework │          │      作业2-bev.mp4 │          │      作业3-Feature relevance assessment for the semantic interpretation of 3D point cloud data.pdf │          │      作业4-Joint 3D Proposal Generation and Object Detection from View Aggregation - 2017 - Ku et al.pdf │          │      作业4-Multi-View 3D Object Detection Network for Autonomous Driving - 2016 - Chen et al.pdf │          │ │          └─reference │                  A Survey on Implicit Surface Polygonization.pdf │                  CS6320-3DCV-S2013-stereo-rectification.pdf │                  CS6320-CV-F2013-chap11-multiple-views-part-I.pdf │                  CS6320-CV-F2013-chap11-multiple-views-part-II-animated.pdf │                  CS6320-CV-F2013-chap11-multiple-views-part-II.pdf │                  CS6320-CV-F2013-chap11-multiple-views-stereo.pdf │                  CS6320-CV-S2012-Ch2-Camera-Calibration.pdf │                  CS6320-CV-S2012-StructuredLight-II.pptx │                  CS6320-CV-S2012-StructuredLight.pptx │                  CS6320-S2013 - MVG - MP.pdf │                  Evaluation of depth-camera-systems for usage in semi-controlled assembly environments.pdf │                  Feature relevance assessment for the semantic interpretation of 3D point cloud data.pdf │                  pcaLectureShort_6pp.pdf │                  Point Cloud Classification.pdf │                  svd_pca.pptx │                  TOF.pdf │ ├─第3章三维空间变换 │      3.1-欧式坐标系.mp4 │      3.2-刚体运动坐标转换1.mp4 │      3.3-刚体运动坐标转换2.mp4 │      3.4-三维空间变换.mp4 │      【三维点云第3章】作业.pdf │      【三维点云第3章】课件.pdf │ ├─第4章三维点云数据处理基础 │  │  4.1-Point Cloud Library.mp4 │  │  4.2-点云滤波方法.mp4 │  │  4.3-点云**形式与最近邻搜索.mp4 │  │  4.4-点云分割拟合聚类方法 .mp4 │  │  4.5-演示1：点云滤波方法.mp4 │  │  4.6-演示2：点云**形式与最近邻搜索.mp4 │  │  4.7-演示3：segmentation代码和聚类 拟合.mp4 │  │  【三维点云第1章】优秀作业.rar │  │  【三维点云第1章】作业批改.rar │  │  【三维点云第2章】优秀作业.rar │  │  【三维点云第2章】作业批改.rar │  │  【三维点云第4章】作业.pdf │  │  【三维点云第4章】课件.pdf │  │ │  └─CH4三维点云数据处理 │      │  homework.pcd │      │ │      ├─pcl_demo │      │  ├─Filtering │      │  │  │  CMakeLists.txt │      │  │  │  conditional_removal_filter.cpp │      │  │  │  extract_indices.cpp │      │  │  │  extract_indices_segment_filter.cpp │      │  │  │  ModelOutlierRemoval.cpp │      │  │  │  PassThroughfilter.cpp │      │  │  │  project_inliers_filter.cpp │      │  │  │  radius_outlier_filter.cpp │      │  │  │  remove_nan_from_point_cloud.cpp │      │  │  │  statistical_removal_filter.cpp │      │  │  │  table_scene_lms400.pcd │      │  │  │  uniform_sam_keypoint.cpp │      │  │  │  VoxelGrid_filter.cpp │      │  │  │ │      │  │  ├─.idea │      │  │  │  │  .name │      │  │  │  │  Filtering.iml │      │  │  │  │  misc.xml │      │  │  │  │  modules.xml │      │  │  │  │  workspace.xml │      │  │  │  │ │      │  │  │  └─codeStyles │      │  │  │          Project.xml │      │  │  │ │      │  │  └─crophull │      │  │          CMakeLists.txt │      │  │          crophull.cpp │      │  │          pig.pcd │      │  │ │      │  ├─Searching │      │  │  │  CMakeLists.txt │      │  │  │  kdTree_search.cpp │      │  │  │  octree_change_detection.cpp │      │  │  │  octree_Point_Cloud_Compression.cpp │      │  │  │  octree_search.cpp │      │  │  │ │      │  │  └─.idea │      │  │      │  .name │      │  │      │  misc.xml │      │  │      │  modules.xml │      │  │      │  Searching.iml │      │  │      │  workspace.xml │      │  │      │ │      │  │      └─codeStyles │      │  │              Project.xml │      │  │ │      │  └─Segmentation │      │      │  clusters_segmentation.cpp │      │      │  CMakeLists.txt │      │      │  color_based_region_growing_segmentation.cpp │      │      │  cylinder_segmentation.cpp │      │      │  Difference_of_Normals_in_diff_radis__Segmentation.cpp │      │      │  min_Cut_Based.pcd │      │      │  min_Cut_Based_Segmentation.cpp │      │      │  planar_segmentation.cpp │      │      │  ProgressiveMorphologicalFilter_segmentation.cpp │      │      │  random_sample_consensus.cpp │      │      │  region_growing_normal_cur.cpp │      │      │  region_growing_rgb_tutorial.pcd │      │      │  region_growing_tutorial.pcd │      │      │  samp11-utm.pcd │      │      │  supervoxel_clustering.cpp │      │      │  table_scene_lms400.pcd │      │      │  table_scene_mug_stereo_textured.pcd │      │      │ │      │      └─.idea │      │          │  .name │      │          │  misc.xml │      │          │  modules.xml │      │          │  Segmentation.iml │      │          │  workspace.xml │      │          │ │      │          └─codeStyles │      │                  Project.xml │      │ │      └─reference │              apollo-modules-drivers-velodyne.zip │              Fast segmentation of 3D point clouds A paradigm on LiDAR data for autonomous vehicle applications.pdf │              基于激光雷达的运动补偿方法_庞正雅.pdf │ ├─第5章点云配准与点云SLAM基础 │      5-5 SLAM图优化基础 .mp4 │      5.1-点云配准方法（上）.mp4 │      5.2-点云配准方法（下）.mp4 │      5.3-SLAM基础框架.mp4 │      5.4-帧间匹配与激光里程计.mp4 │      5.5-SLAM图优化基础.mp4 │      【三维点云第1~3章】作业参考.rar │      【三维点云第5章】课件.pdf │ ├─第6章点云识别与跟踪描述 │      6.1-点云关键点检测.mp4 │      6.2-点云常用特征描述（上）.mp4 │      6.3-点云常用特征描述（下）.mp4 │      【三维点云第6章】作业.pdf │      【三维点云第6章】作业批改.rar │      【三维点云第6章】课件.pdf │ ├─第7章深度学习方法基础 │      7-1 深度学习介绍 .mp4 │      7-2 一种简单的人工神经网络 .mp4 │      7-3 深度学习网络结构(上）.mp4 │      7-4 深度学习网络结构(下）.mp4 │      7-5 深度学习网络训练优化 .mp4 │      7-6 点云处理的深度学习介绍 .mp4 │      【三维点云第7章】优秀作业.rar │      【三维点云第7章】作业.pdf │      【三维点云第7章】课件.pdf │ ├─第8章基于深度学习的点云分类方法 │      8-1 点云分类网络设计基础（上）  .mp4 │      8-2 点云分类网络设计基础（下） .mp4 │      8-3 Pointwise MLP：PointNet，PointNet++（上）.mp4 │      8-4 Pointwise MLP：PointNet，PointNet++（下）.mp4 │      【三维点云第8章】优秀作业v.rar │      【三维点云第8章】作业.pdf │      【三维点云第8章】课件.pdf │ └─第9章基于深度学习的点云分割方法 9-1 点云分割网络设计基础.mp4 9-2 Graph-based_KCNet.mp4 9-3 Graph-based_DGCNN.mp4 9-4 Data Indexing-based_SO-Net.mp4 9-5 Convolution-based：pointCNN .mp4 9-6 Convolution-based：KPConv.mp4 【三维点云第9章】优秀作业 【三维点云第9章】作业.pdf 【三维点云第9章】课件.pdf ├─第10章基于深度学习的点云注册方法 │      10-1 点云注册网络设计基础（上）.mp4 │      10-2 点云注册网络设计基础（下）.mp4 │      10-3 Metric based：3DMatch .mp4 │      10-4 Metric based：3DFeatNet .mp4 │      10-5 Regression based：Deep Closest Point.mp4 │      【三维点云第10章】课件.pdf │ ├─第11章基于深度学习的点云重识别与重定位 │      11-1 点云重识别和重定位方法.mp4 │      11-2 Point-to-Point：Flownet3D .mp4 │      11-3 Frame-to-Frame：Deep Closest Point.mp4 │      11-4 Frame-to-Frame：DeepVCP.mp4 │      11-5 Frame-to-Map：L3-Net .mp4 │      【三维点云第11章】优秀作业 │      【三维点云第11章】作业.pdf │      【三维点云第11章】课件.pdf │ ├─第12章基于深度学习的点云物体识别 │      12-1 Point cloud Object Detection（上）.mp4 │      12-2 Point cloud Object Detection（下）.mp4 │      12-3 3D Datasets .mp4 │      12-4 深度学习点云物体识别任务指标.mp4 │      12-5 点云物体识别网络梳理（上） .mp4 │      12-6 点云物体识别网络梳理（下） .mp4 │      【三维点云第12章】课件.pdf │ ├─第13章基于深度学习的激光与视觉融合物体识别 │      13-1 点云图像融合物体识别基础（上）.mp4 │      13-2 点云图像融合物体识别基础（下）.mp4 │      13-3 视觉物体识别网络梳理.mp4 │      13-4 RCNN family：RCNN，Fast RCNN，Faster RCNN.mp4 │      13-5 RCNN family：Mask RCNN.mp4 │      13-6 YOLO family：YOLO，YOLOv2，YOLOv3.mp4 │      13-7 点云物体识别网络梳理.mp4 │      【三维点云第13章】课件.pdf │ ├─第14章深度学习在激光SLAM中的应用 │      14-1 深度学习与激光SLAM的结合点.mp4 │      14-2 Deep Lidar Odometry（上）.mp4 │      14-3 Deep Lidar Odometry（下）.mp4 │      14-4 Deep Lidar Loop Closure Detection.mp4 │      【三维点云第14章】课件.pdf