文件名称：opcseg:学习优化分割点云，RALICRA 2020
文件大小：4.22MB
文件格式：ZIP
更新时间：2024-05-02 12:24:07
Python
学习最佳地分割点云 卡内基·梅隆大学的胡佩云，戴维·霍尔德和德瓦·拉曼南。 介绍 对于分割LiDAR点云，如果我们通过单个分割中最差的客观度得分对分割进行评分，则有一种算法可以在大量的候选分割中高效地找到最佳的最坏情况分割。 所提出的算法采用预处理的LIDAR点云（顶部-除去背景），并在所有前景点（底部）上产生与类无关的实例级分割。 我们为每个线段使用不同的颜色，并绘制一个挤出的多边形以显示空间范围。 您可以在这里阅读我们的论文（开放获取）： : 。 在此回购中，我们提供了这项工作的实施方式。 引用我们 如果您发现我们的工作对您的研究有用，请考虑引用： @article{hu2020learning, title={Learning to Optimally Segment Point Clouds}, author={Hu, Peiyun and Held, David
【文件预览】：
opcseg-master
----evaluate_under_over.py(8KB)
----segment_with_pointnet.py(8KB)
----evaluate_under_over_ovlp_part_ignored.py(9KB)
----LICENSE(1KB)
----pointnet2()
--------models()
--------train_multi_gpu.py(17KB)
--------kitti()
--------tf_ops()
--------LICENSE(1KB)
--------evaluate.py(7KB)
--------train_mse.sh(1KB)
--------model.py(2KB)
--------kitti_dataset.py(7KB)
--------README.md(7KB)
--------utils()
----evaluate_instance_all.py(7KB)
----README.md(2KB)
----demo.png(4.14MB)
----tree_utils.py(1KB)