Efficient Online Segmentation for Sparse 3D Laser Scans-- 在線的稀疏點雲分割
在這篇文章中就提出了一種十分高效的分割方法。首先是將掃描到的點雲移除平面處理，然後移除平面後一定範圍內的點雲數據分割成不同的對象。該論文的是集中解決了在很小的計算量的條件下，能夠在大多數系統上做到高效的分割。避免了直接對3D點雲的計算，並直接在2.5D 的深度圖像上進行操作。此方案能夠很好的解決處理稀疏的3D點雲數據。作者使用了新型Velodyne VLP-16掃描儀，並且代碼是在C++和RO
相關文章
- 1. Efficient Online Segmentation for Sparse 3D Laser Scans-- 在線的稀疏點雲分割
- 2. 3D點雲分割論文總結
- 3. 3D點雲實例分割
- 4. 稀疏表示(Sparse Representation)
- 5. 【稀疏卷積】Submanifold Sparse Convolutional Networks
- 6. 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
- 7. 稀疏數組(sparse array)
- 8. 稀疏表示（Sparse Representations）
- 9. 稀疏連接（ sparse connectivity）
- 10. 一文詳解實時稀疏點雲分割
- 更多相關文章...
- • C# 多線程 - C#教程
- • MySQL的優勢（優點） - MySQL教程
- • TiDB 在摩拜單車在線數據業務的應用和實踐
- • 適用於PHP初學者的學習線路和建議
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Efficient Online Segmentation for Sparse 3D Laser Scans-- 在線的稀疏點雲分割
- 2. 3D點雲分割論文總結
- 3. 3D點雲實例分割
- 4. 稀疏表示(Sparse Representation)
- 5. 【稀疏卷積】Submanifold Sparse Convolutional Networks
- 6. 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
- 7. 稀疏數組(sparse array)
- 8. 稀疏表示（Sparse Representations）
- 9. 稀疏連接（ sparse connectivity）
- 10. 一文詳解實時稀疏點雲分割