报告时间:2021115日晚上19:00

腾讯会议ID934790060

报告摘要:鲁棒的估计点云曲面的法向量是是点云处理的基本任务之一。大量的点云处理应用,如曲面重建,配准、分割、几何基元的提取、机器手抓取等,都依赖于点云法向估计的质量。而扫描到的点云不可避免的存在噪声,孤立点,非均匀采样以及不同尺度的几何特征,使得鲁棒而准确的点云法向估计仍然是一个挑战。经典算法还不能自适应地解决日益增多的点云数据。本报告将介绍一些重要的基于深度学习的点云法向估计算法以及我们在这个方向上的一些工作。

报告人简介:曹俊杰,大连理工大学数学科学学院副教授,辽宁省计算数学与数据智能重点实验室秘书。2010年在大工数学科学学院获博士学位。研究方向包括计算机图形学、计算机视觉以及深度学习在这两个方向的应用。在领域内重要期刊和国际会议发表论文80余篇,累计引用1330次。主持国家自然基金等项目1项。更多信息见https://jjcao.github.io

欢迎广大师生参加!

信息科学与技术学院

2021114

 

【关闭窗口】