如何高效阅读点云配准文献并实现其简单算法？

本文共计1215个文字，预计阅读时间需要5分钟。

基于深度学习的LiDAR点云动态物体分类，通过层累积增强，用于智能车辆。

文献阅读 文献1

一. Deep learning-based dynamic object classification using LiDAR point cloud augmented by layer-based accumulation for intelligent vehicles

基于深度学习的基于 LiDAR 点云的动态对象分类，通过基于层的累积来增强智能车辆

背景：由于点云数据的稀疏性，无法提供检测目标足够的形状信息，因此难以应用深度学习方法进行分类

基于深度学习的点云分类方法：

• 将3D点云转换为2D投影

• 将点云转换为体素

• 直接输入点云信息

  前两种方法在转换过程中会有信息缺失

文章主要内容

1.点云累积方法

点云配准算法

**迭代最近法iterative closest point (ICP)获取不同时刻同一目标物体点云刚性坐标转换矩阵

ICP算法原理：

2.点云分类实验设计

采用CAD软件创建分类物体分段3D模型，通过激光雷达实际采集的其它树木等无关数据作为负样本进行训练，在KITTI数据集上对训练的数据进行验证。