点云算法工程师

打开 vs2022，再打开gdal编译工程。分别在 Debug 和 Release 下 先生成 ALL_BUILD ，再生成 INSTALL ，即可安装完成。然后注意使用cmake-gui的时候 这个 proj库的添加，按照我下面这样添加即可。然后下载克隆需要的 gdal 版本，我这里下载了 gdal-3.11.0。

为了编译 gdal 库，要先编译 proj 库等，之前看了很多的博客，编译proj库之前都要先编译 curl 、sqlite3、tiff 库等，比较繁琐，尤其是 sqlite3 库，可能会因为版本出现未链接。

它利用增加的网格来覆盖较远的区域，从而更均匀地将点分布在不同区域，并匹配室外点的分布。此外，与这些基于投影的方法将点投影到 2D 视图不同，此方法保留 3D 网格表示以保留几何结构。该框架由两个部分组成，包括 3D 圆柱体分区（以获得 3D 表示）和 3D U-Net（处理 3D 表示）。首先，将笛卡尔坐标系上的点转换为 Cylinder 坐标系，在那里计算半径 ρ 和方位角 θ。目的：通过一系列线性变换和非线性处理，对输入特征进行逐点的提取和转换。，注意这种分割表示区域越远，体素越大。

两种方法安装，根据需求安装

这里做个代码记录，方便以后调用。

下载 ikdtree 源码 在 xx/FAST_LIO-main/include/ikd-Tree/下。创建工作空间 fast_lio2_ws ，把 fast-lio2源码放在 工作空间的 src 下。，其中88是我的 SN 码后两位。下载 fast-lio2 源码。修改 lidar ip。

在ubuntu上使用las读取点云。

在 git 上找了好多版 randlanet 的 torch 训练 semantic3d，发现训练的效果并不好，而且有些甚至连网络结构都不一样，最后终于找到一个训练效果不错 ，loss可以收敛的代码了，这里记录一下 使用训练 Randlanet 的 pytorch 版本 Semantic3d 的过程因为是 TF 用户，所以 顺便 学一下 torch 的代码。

主要看 inference（）定义 feature dimension。

pointnet pytorch复现

对 PointNet 做个整理笔记。

set abstraction 由 sampling，grouping，pointnet 三个模块构成。

ubuntu20.04&pcl1.12-vtk7.1.1&多版本pcl安装