如何训练三维点云数据？我应该从哪里开始呢？

Question

我是一名汽车工程专业的学生，目前我正在大学的一个自动驾驶巴士项目中工作，该项目使用来自激光雷达传感器的三维点云。我的工作是用深度学习算法训练点云。但我不知道如何开始。我在网上找到了很多资料。但对于初学者来说，它也太多样化了，我不知道如何开始。有人能给我一些建议吗？或者是初学者的好源码。

提前谢谢你！

Answer 1

根据您的问题，我假设您正在处理自己的LiDAR点云数据，而不是公共数据集。最初，我建议在点云数据上使用3D边界框注释数据。

至于深度学习算法，我更喜欢理解Complex YOLO、VoxelNet和PointNet。要了解PointNet算法的实现，可以参考在ModelNet10数据集上训练的Keras webpage。

Answer 2

有两种可能的方法：

• Feature工程学习(用户定义的全局和/或local features)学习模型( VoxNet)

、PointNet、PointNet++和local features等模型

如果选择了特征工程方法，则可以使用多个不同的分类器来训练模型，例如多层感知器(MLP)、支持向量机(SVM)和随机森林(RF)。