算法汇总

二维处理：

物体识别

语义分割

• Segmentation Models based on PyTorch Link
  • 集合了9种模型架构（Unet, Unit++, MAnet, Linknet, FPN, PSPNet, PAN, DeepLabV3, DeepLabV3++）
  • 高级 API（创建神经网络只需两行代码）
  • 113 个可用编码器
  • 所有编码器都具有预训练和权重

• STEGO: Unsupervised Semantic Segmentation Link
  • 无监督语义分割

实例分割

• Detectron2 Link
  • 由Mask R-CNN实现PyTorch编写
  • 基于特征金字塔网络 (FPN) 和 ResNet101 主干
  • 能够同时输入RGB和深度图进行训练
  • 输出实例分割掩码和标签，以及对象的深度中值

---

点云处理：

语义分割

• Open3D-ML Link
  • 兼容运行PyTorch和TF
  • 实现了数据集的读取与可视化
  • 包括RandLA-Net，KPConv ，SparseConvUnet ，PointTransformer

• PyTorch Points 3D Link
  • 能够实现分割、分类、点云注册、物体检测等
  • 包括PointNet、PointNet++、RSConV、PointCNN、PPNet (PosPool)、PVCNN、MS-SVConv

实例分割

• 3D-SIS：3D Semantic Instance Segmentation of RGB-D Scans

去噪

骨架化

• PointCloud Skeletonization Link
  • 一种新的随机化算法：不是随机，而是使用准随机生成器来生成低差异的点序列
  • 对植物的多枝特性优化

• Vid2Curve Link
  • 实现了对超细节物体的重建

• Skeletons-from-poincloud Link
  • 基于python实现

---

RGBD重建：

• KinectFusion Link Link
  • 实现了cuda的加速

• Maplab Link
  • 实现了ROS版本，基于C++的开发
  • 更具鲁棒性的视觉里程计
  • 大规模多地图的构建与优化
  • 实现了密集重建

• OnePiece Link 文档
  • 教学级SLAM，c++编写

• TagSLAM: Flexible SLAM with tags Link
  • TagSLAM 是GTSAM 优化器的前端
  • 使用 AprilTags 进行视觉 SLAM 变得容易

语义分割

• Semantic SLAM Link
  • 实时生成3D体素地图
  • 基于ROS实现，前端为PSPNet50进行语义分割，后端基于ORB实现重建

实例分割

• InstanceFusion Link
  • 基于Mask R-CNN，显示实时的实例重建

• MaskFusion link
  • 基于Mask R-CNN，显示实时的实例重建

---

Lidar-SLAM重建：

---

其他