新機器視覺 - 打怪升級，拿下三維點雲！－鑽石舞台

01.

相較於二維圖像，三維點雲有其不可替代的優勢——深度。

基於點雲的三維重建技術可以直接通過物體表面離散點簡單快捷地重構出高度真實的三維模型，因此三維點雲處理已成為當前三維重建技術研究的熱點，也是三維重建中的重點和難點。

在當下許多 AI 的實際應用場景中，三維點雲是最重要的三維數據表達方式之一。

技術角度：在三維重建、 SLAM 、機器人感知等多個領域，三維點雲成為了最普遍的表達方式。

應用角度：從無人駕駛中的激光雷達到微軟 Kinect 、 iPhone FacelD 及 AR / VR 應用，都需要基於點雲的數據處理。

隨着三維點雲技術應用越來越廣，市場上對掌握三維技術的人才需求也日漸龐大。

熟練掌握三維點雲算法及其應用已逐漸成為人工智能企業招聘人才的基礎要求。

尤其是自動駕駛、機器人等領域，三維點雲技術是公認的加分項。（也是一些高級算法工程師的加薪神器）

02.

然而點雲學習之路，困難重重：

A.三維點雲涉獵的知識極為廣泛，包括三維重建、狀態估計、機器學習、編碼能力等等。

B.三維點雲相比二維圖像多了一個維度，它不像圖像那樣規整，甚至有着分布不規則等缺陷，也為大家進行點雲處理帶來了諸多困難。

C.網上三維點雲的相關資料極為零散，自學要多走很多彎路，等到自己把資料湊成體系已經耗費不少時間精力。

甚至很多初學者可能在網上看兩篇悲慘的經驗就想放棄學習。然而，你缺的，其實只是一位「引路人」，和一條清晰的學習路線，助你打怪升級！

想要學習三維點雲又苦於摸不清門路的小夥伴們看到這裡可以鬆一口氣了！

深藍學院特別邀請了新加坡國立大學博士、自動駕駛研究科學家黎嘉信老師為大家帶《三維點雲處理》課程！

相較於其他課程，本期課程涵蓋詳細講解經典的點雲算法，比如Octree、GMM、Spectral Clusting、Point Net++、ICP、NDT等，並且配有實踐項目（文中附帶展示）讓大家在真實的數據集上實現、應用這些算法！

同時，本課程還會涉獵前沿的感知方向的深度學習算法，幫助大家更加全面地了解實際應用中各種算法的優勢與局限，以及如何修改算法應對長尾/邊緣問題。

詳情諮詢請掃碼添加客服

請務必備註418，優先通過哦！

掃碼即可領取3節試聽課、加入交流群

Part 1

講師介紹

黎嘉信

自動駕駛研究科學家

新加坡國立大學（NUS）博士

高仙機器人深度學習總監、新加坡研發中心總監。2014年清華大學本科畢業，2018年新加坡國立大學博士畢業，師從陳本美教授和Lee Gim Hee教授。此前歷任Motional感知科學家和夜間駕駛負責人、字節跳動AI Lab視覺科學家。以第一作者發表多篇計算機視覺/機器人頂級會議論文，包括CVPR、ICCV、ICRA、IROS等。

Part 2

課程亮點

1.課程算法講解全面，重點講解基礎和常用的算法，傳統算法和深度學習算法相結合，從數學的角度講解了原理和優缺點。老師將從從微積分、矩陣論和概率分布等數學原理由淺入深講解算法。

2.不僅僅是單純的代碼講解，授人以漁，課程中老師將會講解問題的思考方法，學員將會跟隨着課程掌握思考算法。

3.課程實踐項目前沿實用，學員將通過實踐項目對三維點雲的傳統算法和深度學習算法，建立更加更全面的認識。