天宫院网站建设,网站建设推广刺盾云,上海最大的企业,网站备案号如何查询在windows上配置pvn3d的环境一直配不成功#xff0c;主要卡在了与C联合编译上#xff0c;不知道如何处理了。索性先看看代码#xff0c;竟然发现与论文中的代码对应上了。希望这一段时间把环境配置好。
1.论文中的网络结构 1.RGB图像特征#xff0c;通过CNN提取特征。深度…在windows上配置pvn3d的环境一直配不成功主要卡在了与C联合编译上不知道如何处理了。索性先看看代码竟然发现与论文中的代码对应上了。希望这一段时间把环境配置好。
1.论文中的网络结构 1.RGB图像特征通过CNN提取特征。深度图的特征通过pointnet提取然后把两个特征连接起来。送入到densfusion网络中变成N*1792特征。
2.N*1792特征 投入到三个网络中一个是特征点偏移探测网络一个是实例分割网络一个是中心偏移网络。后两个网络特征经过投票聚类得到了实例级的点云目标然后结合关键点投票得到关键点位置最后通过SVD分解求解得到变换矩阵。 2.看代码
2.1pvn3d.py中的几个网络 2.2 深度学习框架 2.3 loss损失 2.4找到点对应
可以看到对应的3D点是mesh_kps和cls_kps mesh_kps和cls_kps是怎么来的呢
mesh_kps是模型上提取的3D特征点是真值点 cls_kps是怎么来
传进来的点进行meanshift聚类然后再获得点。 2.4ICP计算与优化 很常规的两个三维点集之间的RT计算 按照论文图上的流程特征提取实例分割、特征提取、偏移提取loss计算、meanshiftRT计算等找到了位置整体上构成了整个训练和RT计算的流程。后续打算把代码配置好跑通并且把详细细节学习学习。
