如何训练 3D 点云数据？我应该从哪里开始？答案

【问题标题】：How to train 3D point cloud data? Where should I beginn?如何训练 3D 点云数据？我应该从哪里开始？
【发布时间】：2020-02-22 10:27:06
【问题描述】：

我是一名汽车工程师专业的学生，目前我正在大学从事一个自动驾驶巴士项目，该项目使用来自激光雷达传感器的 3D 点云。我的工作是用深度学习算法训练点云。但我不知道具体如何开始。我在互联网上找到了很多来源。但是对于我这个初学者来说也太多样化了，不知道从何下手。有人可以给我一些提示吗？或初学者的好来源。

提前谢谢你！

【问题讨论】：

AFAIK，点云的深度学习还没有走上“规范”的道路（稀疏卷积与 PointNet 派生相比，其他目前不太常见）。您可以搜索包含该主题概述的最新讲座或演示文稿，然后点击链接。查找例如qwertee.io/blog/deep-learning-with-point-clouds。

【解决方案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 边界框对数据进行注释。

对于深度学习算法，我更愿意了解 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。

【讨论】：

【解决方案2】：

有两种可能的方法：

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

【讨论】：