【python三维深度学习】python三维点云从基础到深度学习

        从三维基础知识到深度学习，将按照以下目录持续进行更新。更新完成的部分可以在三维点云专栏中查看。https://blog.csdn.net/suiyingy/category_11740467.htmlhttps://blog.csdn.net/suiyingy/category_11740467.html

1、点云格式介绍（已完成）

        常见点云存储方式有pcd、ply、bin、txt文件，以及格式互转。open3d读写pcd和ply点云文件。含数据与python源码。

2、数据形态（已完成）

        点云法向量、质心、体素、三角面。含数据与python源码。

3、三维变换（已完成）

        旋转、平移、 立体几何投影理论分析、投影变换、仿射变换、缩放等，特别是包含了基于法向量的点云旋转，可以将激光雷达地面点云旋转到与xoy平面平行。 含数据与python源码。

4、点云可视化（已完成）

        Python四种点云可视化方案：mayavi、matplotlib、CloudCompare、open3d。含数据与python源码。        

5、点云配准（已完成）

        包括ICP配准方法基本介绍和open3d实现。

6、点云拼接（已完成）

        含数据与python源码。

7、点云下采样（已完成）

        体素下采样、随机下采样、均匀下采样，含数据与python源码。

8、坏点过滤（已完成）

        NaN剔除、无效值剔除、标准差剔除、近邻点剔除，含数据与python源码。

9、点云分割（已完成）

         8种点云聚类方法，如DBSCAN、KMeans等，即RANSAC平面分割。含数据与python源码。

10、表面重建（已完成）

        4种点云表面重建方法，如Alpha Shape、Ball Pivoting、Poisson、VoxelGrid。含数据与python源码。

11、深度学习点云预处理（已完成）

       深度学习中点云基本数据处理和增强方式，包括点云归一化、随机打乱、随机平移、随机旋转、随机缩放和随机丢弃等，持续总结与更新 。含数据与python源码。

12、深度学习点云采样（已完成）

        最远点采样FPS(Farthest Point Sampling)、点云特征上采样。含数据与python源码。

13、三维深度学习数据集（持续更新）

        已完成KITTI、Mini KITTI、S3DIS、Modelnet40等数据集的详细分析与可视化。

14、KITTI数据集详细解析（已完成）

        KITTI数据集详细解析，包括坐标变换、鸟瞰图（BEV）、前视图（FV）等。

15、深度学习PointNet目标分类（已完成）

       PointNet、PointNet++、MSG三维点云分类模型数据集、模型结构和代码等详细分析 。含数据与python源码。

16、深度学习PointNet语义分割（已完成）

        PointNet、PointNet++三维点云语义分割模型数据集、模型结构和代码等详细分析 。含数据与python源码。

17、三维深度学习VoxelNet详细解析（已完成）

        数据集、模型结构和代码等详细分析，含数据与python源码。

18、三维深度学习Complex_yolov4详细解析（已完成）

        数据集、模型结构和代码等详细分析，含数据与python源码。

19、mmdetection3d三维点云算法框架安装与调试（已完成）

        mmdetection3d、mmdetection、mmclassification三维点云算法框架安装与调试，包括基本的训练步骤，含数据与python源码。

20、三维目标检测算法Second详细解析（已完成）

        数据集、模型结构和代码等详细分析，含数据与python源码。

21、三维目标检测算法Pointpillars详细解析（已完成）

        数据集、模型结构和代码等详细分析，含数据与python源码。

22、深度学习点云算法（持续增加算法）

更多三维、二维感知算法和金融量化分析算法请关注“乐乐感知学堂”微信公众号，并将持续进行更新。