点云

这张生成的图像能检测吗

（论文速读）IPFP：把图像特征反投影到 3D，用单分支完成多模态训练论文题目：Image-to-Point Cloud Feature Back-Projection for Multimodal Training of 3D Semantic Segmentation（用于 3D 语义分割多模态训练的图像到点云特征反投影）

一个生成接口统一计算机视觉：SenseNova-Vision 硬核解剖想象你要给一台机器人装上"视觉"。传统做法是一张购物清单：每个模型有自己的架构、权重、解码规则、部署依赖。系统集成者的日常，是在四个 GPU 进程之间搬运张量、对齐坐标系、祈祷误差不要级联放大。

这张生成的图像能检测吗

（论文速读）Cylinder3D：面向室外 LiDAR 分割的柱面划分与非对称 3D 卷积论文题目：Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation（用于 LiDAR 分割的柱面划分与非对称 3D 卷积网络）

这张生成的图像能检测吗

（论文速读）SphereFormer：用径向窗口解决 LiDAR 远距离稀疏点的信息断连论文题目：Spherical Transformer for LiDAR-based 3D Recognition（用于 LiDAR 三维识别的球面 Transformer）

丶玉面小蛟龙

DGCNN网络学习啊，学完PointNet和PointNet++入门，学点新网络，打个基础。DGCNN这个网络现在感觉好简单，但是效果又很不错，能发一篇不错的论文，真羡慕啊，要是我当时也搞这个，能发一篇这种文章，应该也很爽吧，奖学金我高低也能有点。

【Point Cloud】Point Cloud Fundamentals（1）点云（Point Cloud）是在同一空间参考系下，表达目标空间分布和表面特性的海量数据点集合。通俗地说，如果把一张普通的 2D 照片看作是平铺在画布上的“像素网格”，那么点云就是悬浮在三维空间中的“微小颗粒”。当这些颗粒足够密集时，它们就能在数字世界中重构出真实物体的立体轮廓

ROG-Map 技术解析：面向大场景高分辨率激光雷达运动规划的机器人中心占据栅格地图项目名称： ROG-Map（Robocentric Occupancy Grid Map）作者： Yunfan Ren, Yixi Cai, Fangcheng Zhu, Siqi Liang, Fu Zhang 录用会议： IEEE/RSJ International Conference on Intelligent Robots and Systems（IROS 2024）项目地址： https://github.com/hku-mars/ROG-Map 论文地址： https://arxiv.

【Web】使用Vue3+PlayCanvas开发3D游戏（十二）渲染PCD点云可视化模型前一篇《【Web】使用Vue3+PlayCanvas开发3D游戏（十一）渲染3D高斯泼溅效果》csdn文件大小限制，只能压缩成小图，剪辑上传

给算法爸爸上香

web网页显示点云index.html打开命令行运行若输出说明本地http服务器正常启动。此时在浏览器中输入http://127.0.0.1:8080/，若命令行打印

LIO-SAM 学习总结featureExtraction.cpp 特征提取角点和面点（易） imageProjection.cpp 点云畸变矫正（易） imuPreintegration.cpp imu预积分和位姿优化（较难） mapOptmization.cpp 地图匹配、位姿优化和回环检测（难）

CresCent_Charles

（源代码）CloudComPy+open3d实现点云配准项目（手动选点配准+ICP点云配准+误差显示）目录CloudComPy介绍简单来说，CloudComPy通过Python接口，调用点云操作软件CloudCompare的一些功能。

李飞飞团队2026开年首篇工作：一张RGB-D图像让机器人野外零样本全能操作目录01 从“专属模型”到“通用预测”02 500小时数据+0.1秒推理03 核心设计动作表示：不用关节，用几何

SFM逆向扫描工程：重建3D物体这篇文章的灵感来自学习3D视觉算法知识点后课外的思考和自由探索，目前经过不完全的算法实验验证，成果差强人意，经过分析是数据采集的问题而非算法的设计问题。我将采取大白话+行云流水的方式分享，免去一些格式化的目录和结构，也免去较为基础的细节，从而确保这次要分享的内容主线清晰、篇幅合理。

深紫色的三北六号

基于 ContextCapture SDK 的 Python 自动化三维建模ContextCapture 是 Bentley 提供的一款商业级三维重建软件，广泛应用于无人机倾斜摄影、实景三维建模等场景。

点云NARF关键点原理、算法描述及参数详细描述NARF（Normal Aligned Radial Feature）是一种专为深度图像设计的3D关键点检测算法，旨在从点云中提取具有稳定性和可重复性的特征点。其核心原理基于以下两点：

点云生成深度图的原理及算法步骤和参数详细说明点云生成深度图的原理是将三维点云数据投影到二维平面上，形成深度图像，其中每个像素值代表场景中对应位置的深度（距离）信息。以下是详细的算法步骤和参数说明：

基于三维点云图的路径规划REF：基于多传感器融合的激光 SLAM 三维场景实时重建与路径规划方法研究Cartographer SLAM 算法建图效果

腾讯混元P3-SAM: Native 3D Part Segmentation论文：https://arxiv.org/pdf/2509.06784 Github: https://murcherful.github.io/P3-SAM/

老歌老听老掉牙

OpenCASCADE 点云拟合曲线与曲面：从零实现到工业级应用在现代几何建模与逆向工程中，点云数据的处理是构建精确 CAD 模型的关键环节。OpenCASCADE Technology（OCCT）作为一款功能强大的开源几何建模内核，提供了从离散点集拟合出光滑 B-Spline 曲线与曲面的能力。本文以 OCCT 7.9.0 为背景，结合 Windows 11 + Visual Studio 2022 开发环境，深入剖析 GeomAPI_PointsToBSpline 与 GeomAPI_PointsToBSplineSurface 的使用方法，解决新版 API 变更