深度学习在三维数据识别方面的ETHZ课程公开资料2017年检索

guohaolys

3D Object Recognition with Deep Networks Project for 3D Vision - ETHZ
https://github.com/tobiagru/Deep-3D-Obj-Recognition
其中包含了多个模型的事例验证，以及对应的文档、源码、和参考资料说明。很不错的入门实战资料。

xc2017

该教程主要重现了Voxnet和3D shapenet，均有源码提供
https://github.com/dimatura/voxnet
http://3dshapenets.cs.princeton.edu/


其中涉及了三个三维数据集
1、ModelNet - CAD model
http://modelnet.cs.princeton.edu/
该数据集中为.OFF文件，可以用meshlab打开，3D shapenet的源码中提供体素化的matlab toolbox以及部分体素化后的.mat文件，可以用源码中的plot3D.mat程序进行显示。
ModelNet10： manually aligned the orientation of the CAD models for this 10-class subset as well

2、Sydney Urban Objects - LiDAR data
http://www.acfr.usyd.edu.au/pape ... bjectsDataset.shtml
contains labeled Velodyne LiDAR scans of 631 urban objects in 26 categories.

3、 NYUv2 - RGBD data
http://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
The NYU-Depth V2 data set is comprised of video sequences from a variety of indoor scenes as recorded by both the RGB and Depth cameras from the Microsoft Kinect.

xc2017

OFF文件的格式为
顶点数  面数 0
顶点坐标（x、y、z）
...
组成面的三个顶点下标
...

3d shapenet源码3D/off_loader.m依次读取.off文件构成offobj结构的顶点和面
其中
1、顶点坐标
center = (max(offobj.vertices) + min(offobj.vertices)) / 2;
offobj.vertices = bsxfun(@minus, offobj.vertices, center);

2、为了遵循matlab的惯例，faces中各顶点下标+1

3、可以根据需要进行rotation and stretch


注：matlab编译C、C++程序方法
http://www.pclcn.org/bbs/forum.p ... &extra=page%3D1