将3D坐标分组到任何其他“组成员”的特定距离内 - 腾讯云开发者社区

文章/答案/技术大牛

发布

betadisper: PERMDISP procedure

betadisper是Levene检验方差齐性的多变量模拟。群落和组中心之间的非欧几里得距离是通过减少原始距离到主坐标来实现的。这一程序最近被用作评估beta多样性的手段。...一组样本的多变量离散度(方差)是计算群落成员在多变量空间中到群落质心或空间中位数的平均距离。为了检验是否一个或多个组的分散(方差)是不同的，对组成员到组质心的距离可进行方差分析（ANOVA）。...如果组成员和组中心之间的距离是欧几里得距离，这就是Levene的方差齐性检验的多元模拟。此外，对于组平均离散度的两两比较也可以使用置换检验进行。...group, type = c("median","centroid"), bias.adjust = FALSE, 2 sqrt.dist = FALSE, add = FALSE) 3d...:群落的距离矩阵 4group:样本分组 5type：计算空间中值或组中心值。

3.9K3 2

基于曲率的体素聚类的三维激光雷达点云实时鲁棒分割方法

，实验表明，该方法比其他分割方法快1.7倍，准确率高30%，CVC可以在一秒钟内进行20次以上的实时分割。...图2示出了使用RBNN分割3D激光雷达点云的示例，RBNN将每个点分组在固定半径r的圆中。第三列显示RBNN的失败案例（红色）和所需案例（蓝色）。 B....CVC（算法1）包括四个步骤：首先，我们将笛卡尔坐标转换成球面坐标，P=[r；q；f]，其中r是与传感器的径向距离，q是方位角，f是极角。其次，我们构建一个哈希表，将曲率体素索引映射到体素内的点索引。...在第一步中，我们将笛卡尔坐标转换成球面坐标。在第2步中，我们构建一个哈希表，将曲率体素索引映射到每个体素中包含的点的索引。...我们设计曲率体素，一种新的空间基元，考虑3D激光雷达点的不同特征，我们还提出了一种高效的基于哈希的数据结构来加速分割，与其他分割方法相比，CVC的速度快1.7倍，准确率高30%，此外，CVC在一秒钟内提供

1.2K2 0

您找到你想要的搜索结果了吗？

是的

没有找到

【他山之石】ECCV 2024｜Any2Point：首个多模态3D统一大范式，只需1%的参数量即可超越现有SOTA！

在处理2D视觉和音频模态的Transformer时，我们采用PointCLIP中无需学习参数的简单投影方式将每个3D坐标虚拟地投影到M个不同的视图上，以获得2D空间中的多样性的位置坐标信息，并且我们不实际生成多视图图像...同样地，对于1D语言模态的 Transformer，我们将3D坐标虚拟地投影到M条1D线上。通过方向向量与3D点坐标的点积来确定3D点在1D线上的位置从而获得M个不同的1D位置编码。...任意模态到3D引导适配器如图三所示: 自注意力机制主要侧重于全局上下文的长距离交互，但对于3D形状的细节理解，细致的空间几何同样至关重要。...在适配器内部,我们首先根据1D/2D位置先验将3D令牌分组到不同的局部邻域。对于M个不同视角/线,我们进行M个并行的局部聚合过程,以充分利用不同投影视角。...在此基础上,我们对每个1D/2D邻域内的3D令牌采用自注意层,在1D/2D先验的指导下进行局部特征交互。然后我们采用池化和反池化操作将局部聚合特征传播到同一邻域内的每个点。

1281 0

探索3D视觉中的Transformer架构：通用Backbone与自适应采样策略！

在3D空间中， Transformer 已经取代或补充了以前的学习方法，得益于其捕捉长距离信息和学习特定任务感应偏差的能力。...在这些调查中，许多已发表的研究提供了处理3D数据的总体回顾[1]、[2]、[3]、[4]。其他研究则专注于特定的3D视觉应用，如分割，分类[8]，或检测。...此外，一些调查从表示法的角度审视3D深度学习方法[11]、[12]，而其他研究则将研究限制在特定的数据输入传感器。...其中一些作品考虑了视觉中的一般 Transformer ，而其他作品则专注于特定方面，如效率[19]，或特定应用，如视频[20]或医学成像[21]。...另一方面，Liu等人[62]使用最远距离采样和K最近邻来分组点。然后它使用组抽象和基于半径的特征抽象来获得组特征。然后， Transformer 用于组内以及所有点组之间。

5151 0

一种基于分层聚合的3D实例分割方法（ICCV 2021)

，即3D坐标和颜色。...HAIS引入了集合聚合和实例内预测，以在object级层面优化实例分割过程。HAIS的整体架构如图2所示，由四个主要部分组成。逐点预测网络从点云中提取特征并预测逐点语义标签和中心偏移向量。...首先，如图3(b)所示，根据逐点中心移动向量∆xi，将每个点xiorigin向其实例中心移动，使同一实例的点在空间上彼此更接近。移动后的点坐标计算为，图3 分层聚合过程。...其次，对于fragments m和主实例n，它们的几何中心之间的距离应该小于rset，即动态聚类带宽定义为，集合聚合的聚类带宽由rsize和rcls决定。rsize表示特定大小的带宽。...较大的主实例应该在更广的范围内吸收fragments。rcls表示特定类的带宽，是统计的特定类的平均实例半径。集合聚合后的实例大小分布如图4所示。

1K2 0

NeurIPS 2021 | 通过动态图评分匹配预测分子构象

不过，分子更自然的表示方法是使用 3D 几何或 3D 构象，它将分子表示为一组 3D 坐标。分子的 3D 表示是许多任务的核心，例如分子性质预测和虚拟筛选。...GRAPHDG 和 CGCF 等开创性的方法会先进行键合原子间距离的预测，并据此通过后处理算法求解 3D 坐标。...这允许模型 (1) 动态学习分子图表示，并考虑到长程相互作用的进化图结构，以及 (2) 动态确定一组对当前原子坐标梯度有贡献的原子间距离。具体来说，动态图的边由两部分组成。...为了模拟对局部和长程相互作用（等式 1）敏感的原子梯度，并受到长程相互作用随着距离增加而迅速减少这一事实的启发，作者建议根据当前的空间接近度动态构建在一定距离内的原子对之间具有非键合边的图结构。...作为补救措施，作者设置了一个截止距离，并假设每个原子只与截止距离内的所有原子相互作用，忽略所考虑球体之外的所有相互作用。这是计算化学中一种非常流行的策略，它在效率和准确性之间取得了良好的平衡。

9232 0

J. Chem. Theory Comput. | 通过变分自编码器隐空间采样生成蛋白质结构集合

模型部分图 1 具体方法为：利用VAE将高维的蛋白质结构数据转换为连续的低维表示；基于结构质量指标的引导在隐空间中进行搜索；利用受采样结构信息引导的RosettaFold来生成3D结构集合。...所有3D结构都被转换为RoseTTAFold的2D模板特征（tensor形式），捕获20埃范围内每对残基之间的6D变换（尤其关注Cβ−Cβ距离）。这些特征从N、Ca、C和Cb原子的笛卡尔坐标中提取。...6D坐标包括成对距离和角度（omega、theta和phi）。作者选择使用原始距离和方向值来训练模型，以便于解释潜在空间。...然后，每个样本被解码成相应的模板特征，且通过径向基函数（Radial Basis Function，RBF）将Cβ距离离散化以确保反向传播。...为了确保维持多样性，限制隐空间坐标只在其初始起点坐标的欧几里得距离d（=10）内探索。该探索技术的目标是搜索隐空间，以找到比初始随机生成坐标更好的解决方案。

3161 0

算法闻到榴莲臭！Science：AI嗅觉超人类，谷歌绘出50万气味图谱

这是一种特定的图神经网络，以学习如何将分子气味的形象化描述与气味的分子结构相匹配。为了绘制分子结构如何与分子气味相对应图谱，研究人员使用了5000种已知化合物的数据集来训练模型。...经验感知空间（图D）直观地表示了感知距离（例如，闻起来有茉莉花香味的两个分子之间的距离应该比闻起来有牛肉味的分子之间的距离近）和层次（例如，茉莉花和薰衣草是花香气味家族的子类型）。...AI嗅觉，赶超人类研究人员将模型与个人小组成员的表现进行比较时，除了杂质，该模型对小组气味评级平均值的预测比研究中的任何一个小组成员都要好。...相比之下，小组成员对特定标签的表现取决于他们对该标签在气味背景下的熟悉程度。因此，小组成员中对坚果、大蒜和芝士等描述常见食物气味的标签的一致性很强，而对麝香和干草等标签的一致性较弱。...而通过模型可以直接计算出分子在POM中的坐标（图A），研究人员根据这些坐标编制出了大约50万种潜在的气味！这个数量远远超出了目前气味目录所涵盖的空间（约5000种可购买的、有特征的气味物质）。

3672 0

Plos Comput Biol: 降维分析中的十个重要tips!

与前面列出的无监督方法不同，这些有监督的DR方法不考虑观察对象的组成员关系，而是直接使用类信息，用相同的标签聚在一起。...然而，该方法以不同的方式实现局域性，通过使用small tail Gaussian kernel将提供的距离转换为临近度量。...一个模拟的例子来说明，如图2所示。在矩形图(图2A)和正方形图(图2B)中，长径比与PC1和PC2坐标的方差不一致;结果是将数据点明显地分组为顶部和底部集群(不正确)。...如果外部信息是分类的而不是连续的，那么可以为变量的每一层生成PC坐标(例如PC1、PC2或其他)的箱线图。外部信息也可以包含在biplots中。...我们描述了执行有效DR的一般分步程序，并给出了正确解释和充分交流DR算法输出的指南。这里讨论的大多数建议适用于任何DR方法，但有些是针对特定方法的指导。

1.1K4 1

激光点云语义分割深度神经网络

将点云分割成前景和背景是处理 3D 点云的基本步骤，可以精确确定 3D 数据中对象的形状、大小和其他属性。但是，在 3D 点云中分割对象并不是简单的任务。点云数据通常是嘈杂、稀疏并且无组织的。...PointNet+ 引入了一个分层神经网络，该网络将 PointNet 递归应用于输入点集的嵌套分区。通过利用空间距离，PointNet++ 能够通过不断增加的上下文比例来学习本地功能。...PointNet++按基础空间的距离指标将一组点划分为重叠的局部区域。与 CNN 类似，它从小的淋雨提取捕获精细几何结构的本地特征，这些本地特征进一步组合成更大的单元并经过处理，以产生更高级的功能。...相邻点转换为代表点的局部坐标系统，然后分别提升这些本地坐标并结合相关功能。具有两个χ-Conv层的PointCNN将输入点转换为较少的特征表示，但每个都具有更丰富的功能。...由于 EdgeConv 构建了局部图并学习边缘嵌入，因此该模型能够将点分组到欧几里德空间和语义空间中。

1.3K2 0

智驾车技术栈 | 两万字综述：自动驾驶中基于Lidar点云的3D目标检测深度学习方法

LiDAR坐标系中每个点的3D坐标计算如下： d 指的是测量距离 φ 指绕Z轴的偏航角 ω 指每个激光发射器的固定俯仰角 / 2.2 3D BBox 编码 / 3D BBox(A three-dimensional...在分组阶段，所有点pi根据它们的3D坐标会被分配给体素Vj。鉴于存在一个体素包含的点数可能多于O个的情况，采样阶段会从体素中随机子采样O个点。...首先，使用标准坐标、反射强度值和其他基于统计的特征来对各个点进行编码。接下来，将点引入基于PointNet的架构中，从而产生输出特征向量。...这种方式根据点的规范坐标、反射强度和学习的前景分数对点进行编码，而其他架构采用的是点与传感器的距离和学习的全局上下文特征对点进行编码。...给定一组类别C和一组阈值距离值D={0.5,1,2,4}，mAP计算如下：算法预测正确（TP）的计算指标：如果一个预测的中心距离是位于BEV中相应地面实况3D BBox中心的d=2m距离阈值内，则该预测被视为

2.1K1 1

Soft-introspective VAEs：超越AlphaFold2，揭示K-Ras蛋白新视野

通过将高维度的蛋白质结构数据转化为连续的低维表示，在此空间中进行由结构质量指标指导的搜索，接着使用RoseTTAFold来生成3D结构。...我们对每个K-Ras结构训练了一个VAE，排除了该结构和其他结构，并评估了RoseTTAFold的3D坐标重建准确性。最佳结果来自软内省VAE架构，其重建精度在约256个潜在空间维度上稳定。...利用这种VAE引导的采样方法，我们生成了K-Ras结构集合，并再次留出单独的K-Ras晶体结构和从中导出的MD模拟快照，以及其他在1埃RMSD内的K-Ras晶体结构（及其MD快照）。...图4：K-Ras隐袋几何的VAE采样。图3对测试晶体结构的坐标误差仅计算结合位点残基（定义为配体结合袋5埃范围内的残基）。...其次，我们使用RF从输出距离图生成3D坐标，确保物理真实性和局部序列-结构兼容性。

2583 0

AAAI 2018 | 时空图卷积网络：港中文提出基于动态骨骼的行为识别新方案

在这些模态当中，动态人类骨骼通常能与其他模态相辅相成，传达重要信息。然而，比起外观和光流建模，动态骨骼建模受到的关注较少。...在这项工作中，我们系统地研究这种模态，旨在开发一种原则性且有效的方法模拟动态骨骼，并利用它们进行人类行为识别。在 2D 或 3D 坐标形式下，动态骨骼模态可以自然地由人类关节位置的时间序列表示。...然而，现有的大多数方法依赖手动划分的部分或手动设定的规则来分析空间模式。因此，为特定应用设计的模型难以在其他任务中推广。...最近，将卷积神经网络（CNN）泛化到任意结构图形的图卷积网络（GCN）得到了越来越多的关注，而且被成功应用于图像分类 (Bruna et al. 2014)、文献分类 (Defferrard, Bresson...流程概览基于骨骼的数据可以从运动捕捉设备或视频的姿态估计算法中获得。通常来说，数据是一系列的帧，每一帧都有一组联合坐标。给定 2D 或 3D 坐标系下的身体关节序列，我们就能构造一个时空图。

1.4K6 0

顶会宠儿：几何深度学习是个啥？读完这篇，小白也可以了解GDL！

计算机视觉的最新进展，主要来自于新颖的深度学习方法，以及基于大量数据来执行特定任务的分层机器学习模型，随之而来的性能提升，引发了其他科学领域类似应用的淘金热。...下文中，我们将解释GDL中「几何」的含义，同时会将其与其他神经网络结构进行比较。最后，我们还会带大家深入了解它擅长的多种任务，以及最新前沿应用。...在下图中，可以看到，通过离散体素，将经典斯坦福兔子表示为网格（非欧几里得）或呈网格状体积（欧几里得）之间的区别。点A和B之间的欧式距离是它们之间最短直线路径的长度，可视为图像上的蓝线。...两点之间的测地距离，则更类似于绿线的长度。测地距离是高维最短路径概念的表示，而图的测地距离通常是节点之间的最短路径。以非欧几里德的方式解释网格的优点是，测地距离对于在其上执行的任务更有意义。...通过更好，更快的3D语义分割，更多的自动驾驶感知算法将变得可行。图分类此子应用类别中的算法，接收图形或子图形作为其输入，并根据与该预测相关的概率值，来预测n个指定类之一。

2.9K2 1

【干货】你想了解的BGP的问题都在这里了

注意：BGP community属性是可以分配到一个特定前缀和通告对其他邻居的数值(任意)。尽管社区属性可以采用十进制、十六进制或 AA:NN 格式表示，但它仍然是 32 位数字。...禁用自动汇总后，在本地引入到 BGP 表中的路由不会在其有类边界范围内进行汇总。如果路由表中存在子网并且满足以下三个条件，本地路由表中的有类网络的所有子网将提示 BGP 将有类网络安装BGP表中。...指定 BGP 对等组的主要优点是，减少生成更新使用的系统资源量（CPU 和内存）。还简化了 BGP 配置，因为它只允许路由表被检查一次，并将更新复制到所有其他同步对等体组成员中。...当 BGP 尝试将 bestpath 前缀安装到路由信息库 (RIB)（例如，IP 路由表）中时，RIB 可能会因下列任一原因而拒绝BGP路由： ● 有较好管理距离的路由已存在于 IGP 中。...必须首先采取预防措施，然后才能使用 route-maps 将特定路由重分配到IGP。用于将 iBGP 学到的默认路由 0.0.0.0/0 重分配到 EIGRP 的配置的示例显示在下面的输出中。

2.7K3 0

复旦多模态 3D 检测最新成果 DeepInteraction！，融合感知算法刷新 SOTA ！

前两个类方法采用偏向3D LiDAR模态的一边融合策略，因为点云在距离和空间感知上具有优越性。相反，最后一个类别完全忽略了两个模态在表示之间的内在关联。...作者进一步利用将图像空间中的每个像素升高到3D世界空间。结果是对于具有深度的图像像素，对应的3D坐标。接下来，用于定位对应的激光雷达BEV坐标,其中是检测范围，是的大小。...然后，根据摄像机的内参和外参，按照相机成像方式将这些 3D 点投影到摄像头图像坐标系中。然后，激光雷达BEV到摄像头图像的对应关系定义为：。基于注意力的特征交互。...具体而言，对于每个3D边界框，作者将它映射到图像表示中，得到二维凸多边形，并取其最小轴对称内切矩形作为RoI。...表5的第一行展示了无编码器的模型的结果，即从不同后端骨架独立提取的两种模态特定表示直接输入到解码器中。与其他设置相比，这个设置的性能有很大的差距。这表明，异质模态之间的融合对于高性能3D检测是必要的。

4981 0

ECCV 2020 | PHOSA：一种基于单目图像的人-物重建方法

将每个3D实例在自己的局部坐标系中转换为使用内在尺度的世界坐标，最后再使用空间布局优化的方法，产生一个紧密连接的输出，如上图所示。...估计3D人体模型：通过检测算法提供的人体包围框，估计SMPL的三维形状和姿态参数、3D人体由姿态θ、形状β和一个弱相机视角π（将网格投影到图像坐标中）。...为了在三维空间中定位人类，将弱透视相机转换为透视相机投影，对所有图像都假设一个固定的焦距f，其中人的距离由相机尺度参数σ的倒数决定。因此，第i个人的SMPL模型的三维顶点表示为 ?...3D空间布局的建模：独立推理人类和物体的3D姿势可能产生不一致的3D场景排列，例如物体受到深度模糊的困扰：距离远的大物体可以投射到与距离近的小物体相同的图像坐标上，例如下图的冲浪板。...第二个表示交互损失，首先引入一个粗糙的每个实例间的交互损失，将人和物体拉近： ? 然后使用标签拉近交互区域以实现更好的对齐： ? 作者发现在一个类别内，物体大小的变化是有限的。

9173 0

SL sensor :一种基于结构光传感器开源且实时用于高精度建筑机器人重建应用方案

请注意，可以通过减小相机投影仪基线使传感器更加紧凑，但代价是更大的深度不确定性。对于相机镜头，我们选择使用变焦镜头，以便可以将焦点微调到特定的扫描范围。此外，所选择的相机镜头具有可调节的光圈。...利用摄像机和投影仪的棋盘坐标，使用OpenCV的摄像机校准和3D重建库估计两个设备的内参和外参。...图像同步器节点从Versavis ROS节点获取带时间戳的图像以及投影仪触发定时，并基于等式12，将属于相同图案序列的图像分组到单个图像阵列中，以进行下游处理。...请注意，这里所有实验，所有的传感器都放置在距离被扫描物体约50厘米的地方，并且在温度被调节到20℃左右的室内进行扫描、这是为了确保测试在报告的扫描范围和评估传感器的工作温度范围内进行。...图5.用于圆锥拟合精度测试的定制评估板该板由6个安装在玻璃板上的金属圆锥体组成，涂有一层精细的非反射白色涂料。根据3D点云进行圆锥拟合（每个传感器10次扫描），并计算圆锥和所有其他圆锥之间的距离。

8412 0

【数据挖掘】基于密度的聚类方法 - DBSCAN 方法 ( DBSCAN 原理 | DBSCAN 流程 | 可变密度问题 | 链条现象 | OPTICS 算法引入 | 聚类层次 | 族序概念 )

DBSCAN 算法优点 : ① 算法复杂度 : DBSCAN 算法复杂度是 O(n) , n 代表数据集样本个数 ; ② 识别模式多 : DBSCAN 算法可以得到任意形状的聚类分组 , 如凹形...样本描述 : 针对密度可变的数据集样本 , 不同的聚类分组中 , 样本的密度不同 ; 一部分样本密度大 , 一部分样本密度小 ; 示例 : 如 , 聚类 1 中单位面积内样本有 20个 , 聚类...链条现象 ---- 两个聚类分组中 , 出现一个链条 , 少数个别的样本 , 将两个本应该分开的聚类分组进行了密度连接 , 导致两个聚类分组变成了一个聚类分组 ; VI ....的聚类分组的结构 , 同一个聚类分组的样本 , 顺序相近 ; ③ 根据索引排列 : 将全体数据集样本数据 , 根据该索引值 , 排列在坐标系中 , 索引值就是 x 轴的坐标值 , 排列的结果就是不同层次的聚类分组...每个样本对象需要存储两个值 : 核心距离与可达距离 ;

1.2K1 0

无人驾驶技术课——定位（1）

最常用的方法是，将车辆传感器所看到的内容与地图上所显示的内容进行比较，车辆传感器可以测量车辆与静态障碍物（树木、电线杆、路标和墙壁）之间的距离。 ?...GPS 由三部分组成：卫星。在任何特定时间，大约有30颗 GPS 卫星在太空运行，他们各自距离地球表面约2万公里。控制站。...GPS 接收器实际上并不直接探测你与卫星之间的距离。它首先测量信号的飞行时间，即信号从卫星传播到你的 GPS 接收器需要多长时间，然后通过将光速乘以这个飞行时间来计算卫星的距离。...RTK 需要在地面上建立几个基站，每个基站都知道自己精确的地面位置，同时每个基站也通过 GPS 测量自己的位置，已知的地面位置与通过 GPS 测量的位置之间的偏差为 GPS 测量结果中的误差，然后基站将这个误差传递给其他...惯性测量单元的缺点在于其运动误差随时间增加而增加，我们只能依靠惯性测量单元在很短的时间范围内进行定位。

2.6K3 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

betadisper: PERMDISP procedure

基于曲率的体素聚类的三维激光雷达点云实时鲁棒分割方法

【他山之石】ECCV 2024｜Any2Point：首个多模态3D统一大范式，只需1%的参数量即可超越现有SOTA！

探索3D视觉中的Transformer架构：通用Backbone与自适应采样策略！

一种基于分层聚合的3D实例分割方法（ICCV 2021)

NeurIPS 2021 | 通过动态图评分匹配预测分子构象

J. Chem. Theory Comput. | 通过变分自编码器隐空间采样生成蛋白质结构集合

算法闻到榴莲臭！Science：AI嗅觉超人类，谷歌绘出50万气味图谱

Plos Comput Biol: 降维分析中的十个重要tips!

激光点云语义分割深度神经网络

智驾车技术栈 | 两万字综述：自动驾驶中基于Lidar点云的3D目标检测深度学习方法

Soft-introspective VAEs：超越AlphaFold2，揭示K-Ras蛋白新视野

AAAI 2018 | 时空图卷积网络：港中文提出基于动态骨骼的行为识别新方案

顶会宠儿：几何深度学习是个啥？读完这篇，小白也可以了解GDL！

【干货】你想了解的BGP的问题都在这里了

复旦多模态 3D 检测最新成果 DeepInteraction！，融合感知算法刷新 SOTA ！

ECCV 2020 | PHOSA：一种基于单目图像的人-物重建方法

SL sensor :一种基于结构光传感器开源且实时用于高精度建筑机器人重建应用方案

【数据挖掘】基于密度的聚类方法 - DBSCAN 方法 ( DBSCAN 原理 | DBSCAN 流程 | 可变密度问题 | 链条现象 | OPTICS 算法引入 | 聚类层次 | 族序概念 )

无人驾驶技术课——定位（1）

扫码

相关资讯

热门标签

活动推荐

运营活动

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐