业务和功能介绍
在 3D 视觉、自动驾驶、机器人感知、工业检测等领域，点云是核心环境数据载体。传统 PCL 库仅能实现基础点云分割与分类，规则依赖人工定义，开发成本高、鲁棒性差，难以应对复杂无序点云与密度不均场景。PointNet/PointNet++ 作为点云深度学习里程碑算法，可直接处理无序点云、捕捉局部结构、保持变换不变性，适用于 Ubuntu 环境下的点云智能识别、分割、分类任务，为机器人三维感知、自动驾驶环境理解、工业零件检测提供高效解决方案，是从传统点云处理迈向深度学习智能分析的关键技术。
项目实现
项目在 Ubuntu 环境下基于 PyTorch 复现 PointNet 点云分割与分类全流程。首先配置依赖环境，搭建 PyTorch 与 PointNet 工程框架；使用 CloudCompare 对自定义点云进行分割、标注、合并，保存为带标签数据，通过 Python 脚本将点云与标签分离，生成标准化数据集；构建 PointNetDenseCls 模型，设计数据集加载器，完成随机采样、归一化、标签映射等预处理，设置 Adam 优化器与 NLLLoss 损失函数，开启 GPU 训练并保存最优模型；推理阶段加载模型与标签映射文件，对输入点云预处理后预测逐点类别，通过 Matplotlib 实现 3D 点云分割结果可视化，验证算法有效性，完成从环境配置、数据制作、模型训练到部署推理的完整落地。
示例图片视频
相似推荐
端到端自动驾驶轻量化模型设计
本项目主要面向无人驾驶仿真研究、智能车辆轨迹跟踪与轻量化控制算法验证场景，围绕端到端自动驾驶技术开展系统设计与实验开发。项目基于 CARLA 仿真平台构建虚拟驾驶环境，通过采集车辆前视图像、行驶状态和控制指令等数据，训练轻量化神经网络模型，实现从环境感知输入到车辆控制输出的端到端映射。项目可用于自动驾驶算法教学、科研训练、数据采集、模型训练、仿真测试和轨迹跟踪效果评估，为低成本、高效率的自动驾驶算法验证提供支持。
本项目主要功能包括仿真环境搭建、自动驾驶数据采集、数据预处理、模型训练、模型推理和效果评估等模块。系统可在 CARLA 仿真环境中生成车辆行驶场景，自动采集车辆前方图像、方向盘转角、油门、刹车等控制数据，并生成对应的数据标签文件；同时支持对采集数据进行划分和预处理，形成训练集、验证集和测试集。模型部分采用轻量化端到端神经网络结构，通过输入车辆前视图像，直接预测车辆控制指令或轨迹跟踪相关参数，从而实现车辆在仿真道路中的自主行驶与轨迹跟踪。项目还支持训练过程记录、模型保存、测试推理和结果可视化，便于对算法性能进行分析和改进。
智慧园区管理平台
通过数字孪生技术，真实的真实整个园区的场景，通过物联网设备管理以及大数据分析，实时展示园区的整个状态。通过对接的硬件设备，实时显示园区的环境，气象，污水等数据，通过算法实现精准决策，完成控制设备的调控
电商平台web、app、小程序-石联网
石联网是全球最大石材行业国际性电子商务平台；由主站、会员站、手机站 、手机 app 、微信小程序、会员中心、后台管理构成，采用微服务模块化架构设计，运用新的.net core、webapi、efcode、await/async、多线程、rabbitmq、quartz.net、elasticsearch、redis、git、jenkins和devops 持续集成和自动化部署、ids 4身份认证、sqlserver 、vue/element-ui、Html5、js、css等技术
智能家居平台
1 全屋智能设备控制及场景定时控制（10多种设备）。
2 用户控制设备指令通过APP下发到平台，平台通过自定义协议下方到设备，实现用户和设备的交互。根据不用场景设置相应的设备关联控制和定时控制。
3 对接第三方设备天猫精灵、alexa、rokid语音机器人通过语音控制设备。
动态监控大屏系统
构建一个基于物联网设备运行数据的实时监控系统，通过大屏幕可视化展示设备运行状
态、性能指标和异常情况，帮助运维人员快速掌握设备整体运行状况，及时发现并处理潜
在问题，提高设备管理效率和系统可靠性。系统适用于制造业生产线、智慧楼宇、能源设
施等多种物联网应用场景
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服