dashark / kpconv-pytorch Goto Github PK

KP模型不会改变的，但是5层降采样之后，剩下的点云对KP的计算存在问题，逻辑上没有理解。

1. KPConv是网络一部分，网络初始化存储Kernel Points，而点云计算是直接；
2. 特征点与坐标点一一对应，特征是可以任意组合的。
3. 坐标点构成的KDTree用于查找半径空间内包含的坐标点。
4. 训练时按照参数经过复杂的逻辑计算批量，保证训练的稳定性。
5. 检测时（构成KDTree是现成的），自己定义数据结构有风险。（检测和训练是混合的，应该分开）3065行首先删除训练的，调试不相关的。
6. 输出包含了 置信度，Potential，预测。可以统一打包发送出去。（一部分）

尝试可视化代码的功能

点云输入KPConv模块后，怎么计算的？如果以点云的点为中心，那每个点计算的结果都是一样的，如果不是中心，那么各个点的计算关系是什么？

• 现有代码的逻辑
• Redis流：Python的XAdd和XRead
• Python的PCD格式读写，pypcd
• Python的内存文件模块（StringIO和BytesIO）