『詳解3次元点群処理 : Pythonによる基礎アルゴリズムの実装』は、3次元データ処理に興味を持つ全ての初心者にとって、まさに必携の一冊です。この本は、複雑に思える点群処理の基礎を、Pythonを使って実際に手を動かしながら学ぶことができるように構成されています。 まず、3次元でのデータ処理の基本概念をやさしく解説し、次にPythonの実装例をもとに、各アルゴリズムの仕組みや応用方法を丁寧に説明します。特に、自分でコードを書きながら理解を深められる実践的なアプローチが魅力で、即戦力となる技術を身につけることができます。 また、豊富な図解やサンプルコードを用いることで、視覚的に理解しやすく、どんなにテクニカルな内容でも抵抗感を感じずに学習を進められます。さらに、さまざまなプロジェクトや応用事例も紹介されており、実際のデータサイエンスやロボティクスの現場で役立つ知識を得ることができます。 この一冊で、あなたのプログラミングスキルと3次元点群処理の理解が深まり、さらなる成長への第一歩を踏み出すことができるでしょう。興味を持った方は、ぜひ手に取ってみてください。新たな技術の扉が開かれること間違いありません。
内容 | 基礎的な点群処理から、ICPアルゴリズム、物体認識、PointNetまでをPythonで学ぼう!★章末問題付き★ ・Open3Dを使用し、Pythonプログミングとともに平易に解説。 ・サンプルコードをサポートページから提供したので、すぐに実践できる! ・最終章では、RGBD画像、ボクセルデータ、メッシュデータ、多視点画像の3次元データ処理も解説。 【主な内容】 第1章 はじめに 第2章 点群処理の基礎 第3章 特徴点・特徴量の抽出 第4章 点群レジストレーション(位置合わせ) 第5章 点群からの物体認識 第6章 深層学習による3次元点群処理 第7章 点群以外の3次元データ処理 目次 第1章 はじめに 1.1 3次元世界について 1.2 本書について 1.3 3次元計測原理 1.4 3次元センサの紹介 章末問題 第2章 点群処理の基礎 2.1 ファイル入出力 2.2 描画 2.3 回転・並進・スケール変換 2.4 サンプリング 2.5 法線推定 章末問題 第3章 特徴点・特徴量の抽出 3.1 特徴点(キーポイント) 3.2 大域特徴量 3.3 局所特徴量 章末問題 第4章 点群レジストレーション(位置合わせ) 4.1 最近傍点の探索(単純な方法) 4.2 最近傍点の探索(kd-treeによる方法) 4.3 ICPアルゴリズム 4.4 ICPアルゴリズムの実装(Point-to-Point) 4.5 ICPアルゴリズムの実装(Point-to-Plane) 章末問題 第5章 点群からの物体認識 5.1 特定物体認識と一般物体認識 5.2 特定物体の姿勢推定 5.3 一般物体の姿勢推定 5.4 プリミティブ検出 5.5 セグメンテーション 章末問題 第6章 深層学習による3次元点群処理 6.1 深層学習の基礎 6.2 PyTorch Geometricによる3次元点群の扱い 6.3 PointNet 6.4 点群の畳み込み 6.5 最新研究動向 章末問題 第7章 点群以外の3次元データ処理 7.1 RGBD画像処理 7.2 ボクセルデータ処理 7.3 メッシュデータ処理 7.4 多視点画像処理 7.5 Implicit Functionを用いた3次元形状表現 章末問題 |
---|---|
著者 | 金崎,朝子 秋月,秀一 千葉,直也 |
出版日 | 202210 |
出版社 | 講談社 |
ISBN-13 | 9784065293430 |
データ提供元 | openBD, 楽天 |
価格 | 3,080 詳細はこちら |
---|---|
レビュー平均 | 5 |
レビュー件数 | 1 |