2020年3D感知技术与实践视频教程（附代码、讲义、作业、参考文献）49课

大可乐 · 发表于 2020-8-13 15:52:16

课程介绍：
视觉感知技术是众多AI应用的关键，而3D感知技术是机器视觉的重要核心，它的应用领域包括：人机交互，环境识别、自动驾驶，机器人导航、无人机控制等。随着大量机器视觉应用的井喷式发展，3D感知技术成为程序员、开发者需要掌握的重要技能。目前各种3D感知算法资源散布在不同行业和应用领域，本课程系统地整理和归纳了不同领域3D感知技术，课程讲授算法原理和软件实现细节。通过学习本课程能够快速掌握当前3D感知领域的算法，并用于解决实际工程问题。

课程时长：共15时6分
学习时间：共9周，建议3-5小时/周

课程目录：
第1章概述
01 从2D迈向3D
02 3D感知特点和面临的技术难点
03 3D感知相关算法简介
04 课程内容介绍

第2章 3D传感器原理
05 3D光学测量方法概述
06 针孔相机模型及编程作业1
07 双目3D视觉原理及编程作业2
08 08.2-52-62-72-8
09 结构光3D成像原理
10 TOF 3D成像原理
11 图像畸变与矫正
12 RGB-D融合概述
13 软件安装及作业文件说明

第3章 3D数据表示和转换
14 TOF深度相机数据到点云转换
15 3D数据的体像素存储
16 八叉数
17 kd树
18 三角剖分
19 PLY数据文件格式

第4章深度图和点云数据底层处理算法
20 数据滤波与过滤
21 深度图数据滤波
22 点云滤波平滑
23 数据过滤
24 数据降采样

第5章 3D特征提取与参数测量
25 点云旋转和平移变换
26 3D点云形状参数计算
27 3D点云的几何模型参数拟合
28 存在离群点条件下的点云几何模型参数拟合
29 点云配准基本算法
30 物体表面重建

第6章特征提取、前后景分割、物体检测和识别
31 特征提取与检测：基于深度图的方法
32 特征提取与检测：基于点云的方法
33 前后景分离：基于模型匹配的方法
34 前后景分离：基于背景扣除的方法
35 前后景分离：基于统计分类的方法
36 前后景分离：背景的自适应更新
37 几何形状识别

第7章人体、物体识别与点云配准
38 人体肢体识别
39 基于关键点特征的点云识别与粗配准流程
40 SHOT点云特征提取算法
41 PFH点云特征提取算法
42 PPF点云识别配准算法
43.问题答疑

第8章高级算法和数据处理
44 3D体素神经网络
45 3D点云神经网络
46 图滤波和图卷积
47 图卷积神经网络
48 3D人脸识别：3DMM人脸模型
49 3D人脸识别：神经网络3D人脸识别

(04)2020061102 人工智能
下载地址
回复可查看课程下载链接&提取码

游客，如果您要查看本帖隐藏内容请回复