PCL 点云库 3D感知 NLP学习资源

3D目标检测应该怎么开始学习?
究极路线：
https://github.com/TianhaoFu/Awesome-3D-Object-Detection/

3D分割仓库

食用方法：
1. 大致扫完一眼后，快速进入blog部分，学习经典方法。
2. 进入course部分，学习图宾根大学课程的3d检测部分。
3. 进入video部分，看3d检测相关的seminar。
4. 现在，你已经大致具备3d检测领域的intuition了，之后
5. 如果你想发论文，你可以进入paper部分。
6. 如果你想打比赛，你可以进入competition solution部分。
7. 如果你想做工程，你可以进入engineering部分。

3D视觉工坊课程链接
3D缺陷检测课程
学习方法：
看论文和对应代码，mmdetection3d和openpcdet， 可以先从这些codebase入手.

经典算法，比如SECOND，PillarNet，VoxelNet。
VoxelNet阅读笔记
mmdetection3D入门介绍

• 首先推荐学习这两篇mmdetection3d教程：
  • 带你玩转 3D 检测和分割（一）：MMDetection3D 整体框架介绍
  • 带你玩转 3D 检测和分割 （二）：核心组件分析之坐标系和 Box
• 其次要了解mmdet3d的主要依赖package mmdetection（以下简称mmdet）：
  • 轻松掌握 MMDetection 整体构建流程(一)
  • 轻松掌握 MMDetection 整体构建流程(二)
  • 轻松掌握 MMDetection 中 Head 流程
• 最后要熟悉runner，hook等结构，参考mmcv教程：
  • MMCV 核心组件分析（一）：整体概述

如何入门激光雷达点云的3D目标检测？

---

【综述】PointNet、PointNet++、 F-PointNet基于深度学习的3D点云分类和分割

1. PointNet: Deep Learning on Point Sets for 3D Classificationand Segmentation

   • 论文地址
   • 开源代码-原论文实现
   • 开源代码-Pytorch实现

2. PointNet++: Deep Hierarchical Feature Learning on Point Setsin a Metric Space

   • 论文地址
   • 开源代码地址

3. F-PointNet：FrustumPointNets for 3D Object Detection from RGB-D Data

   • 论文地址
   • 开源代码地址

---

双愚：

• 3D目标检测框架综述
  • OpenPCDet（注解）, mmdetection3d(注解), Det3D, Paddle3D
• PCL(Point Cloud Library)学习指南&资料推荐（2022版）
  • 官方文档1 https://pointclouds.org/
  • 官方文档2 Point Cloud Library
  • 14registration配准
  • PCL点云库官网教程
  • 学习PCL的个人总结
• 百度Apollo 1.0-7.0各版本框架概述
• Apollo-github

---

PCL：

• 星球-视频课程
• 于仕琪C++
  • 课件

---

3D视觉教程

• 主要论文：
  • PointRCNN：3D Object Proposal Generation and Detection from Point Cloud
  • PointPillar：Fast Encoders for Object Detection from Point Clouds
  • PointPainting：Sequential Fusion for 3D Object Detection
• 相关论文：
  • PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation
  • PointNet++:Deep Hierarchical Feature Learning on Point Sets in a Metric Space
  • YOLO3D: End-to-end real-time 3D Oriented Object Bounding Box Detection from LiDARPoint Cloud
  • Complex-YOLO: An Euler-Region-Proposal for Real-time 3D Object Detection on Point Clouds
  • VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection
  • SECOND: Sparsely Embedded Convolutional Detection
  • PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection
  • 3DSSD: Point-based 3D Single Stage Object Detector
  • Structure Aware Single-stage 3D Object Detection from Point Cloud
  • CIA-SSD: Confifident IoU-Aware Single-Stage Object Detector From Point Cloud
  • Joint 3D Proposal Generation and Object Detection from View Aggregation
  • Multi-View 3D Object Detection Network for Autonomous Driving
  • EPNet: Enhancing Point Features with Image Semantics for 3D Object Detection
  • CLOCs: Camera-LiDAR Object Candidates Fusion for 3D Object Detection
  • PanoNet3D: Combining Semantic and Geometric Understanding for LiDAR Point Cloud Detection
• Efficient-3DCNNs：Resource Efficient 3D Convolutional Neural Networks

---

• 星球学习资料1
• 星球学习资料2
• 星球学习资料3
• 星球学习资料4-3D目标检测
• 主要针对3D object相关算法进行了汇总
• 主要针对3D object相关论文进行了汇总
• 3D-Machine-Learning
• 星球-3D目标检测代码大全
• 星球-BEV感知
• 星球-轨迹预测
• 星球-全栈路线

---

• Deploying CenterNet model using NVIDIA DeepStream
• TRTForYolov3
• PointPillars Inference with TensorRT
• 在这个project中，提供大量的cuda和tensorrt学习案例
• cmake-examples入门教程
  • 介绍如何生成可执行文件，库文件，添加依赖头文件，库文件，包，安装，测试
• Hi3516
• 海思Hi3516DV300移植YOLOv3

---

• YOLOX
• EasyCV
• detrex
• detrex: 关于DETR系列的一次开源尝试
  vit-pytorch

---

Kitti

---

• Point Cloud Segmentation 论文
• 点云分割代码

---

NLP：

• 极客NLP

• On Stability of Few-Sample Transformer Fine-Tuning

• SWA, Apex AMP & Interpreting Transformers in Torch

• Speeding up Transformer w/ Optimization Strategies

• Utilizing Transformer Representations Efficiently

• BEiT: BERT Pre-Training of Image Transformers

• TransMVSNet: Global Context-aware Multi-view Stereo Network with Transformers

---

• 3D论文及解读
  

• 厉害的Pytorch项目
• Start Here with Computer Vision, Deep Learning, and OpenCV

---

leetcode-python
代码随想录