torch-points3d-SiamKPConvVariants算法复现之疑难杂症

Question

这次主要想讨论两个问题：
1、大家知道为什么torch-point3d包中没有关于change_detection（变化检测）的部分呢？我参考的链接如下：https://github.com/nicolas-chaulet/torch-points3d/tree/master?tab=readme-ov-file#developer-guidelines%E3%80%82%E5%90%84%E4%BD%8D%E5%A4%A7%E4%BD%AC%EF%BC%8C%E6%98%AF%E5%9B%A0%E4%B8%BA%E6%88%91%E6%B2%A1%E6%9C%89%E4%BA%86%E8%A7%A3%E5%88%B0%E6%9C%80%E6%96%B0%E7%9A%84%E4%BB%A3%E7%A0%81%E4%B9%88
2、我尝试复现IdeGelis Iris发布的SiameKPConv算法，来进行点云变化检测研究。参考链接如下：https://github.com/IdeGelis/torch-points3d-SiamKPConvVariants
当复现数据集Urb3DCD V1和V2时候，只提供圆柱裁剪的算法（/CD/torch-points3d-SiameseKPConv-master/torch_points3d/datasets/change_detection/Urb3DSimulPairCylinder.py）。虽然说圆柱裁剪经过多轮迭代确实能收获较好的变化检测效果，但如果我需要对全域进行变化检测，这该如何是好呢？？有没有懂的大佬帮俺解答一下困扰好久的疑惑呢，感激涕零！

上图是原始输入点云（全域）
下图是经过半径100m圆柱裁剪之后的输出点云（部分）

Answer 1

阿里嘎多学长整理AIGC生成，因移动端显示问题导致当前答案未能完全显示，请使用PC端查看更加详细的解答过程

算法复现之疑难杂症：torch-points3d-SiamKPConvVariants

你好！你的问题是关于torch-points3d包中没有关于change_detection（变化检测）的部分，且你参考了一个链接https://github.com/nicol。

首先，torch-points3d是一个3D点云处理的库，主要用于点云数据的处理和分析。change_detection是指检测点云数据中的变化，例如检测点云数据中的新点云、删除点云数据中的点云等。

根据你的问题，我认为可能是torch-points3d包中没有change_detection的实现，因为change_detection是一个相对复杂的任务，需要考虑点云数据的变化、点云数据的格式、点云数据的特性等因素。

如果你想实现change_detection，可以考虑使用以下方法：

1. 使用点云数据的差异计算算法，例如使用点云数据的差异计算算法来计算点云数据中的变化。
2. 使用机器学习算法，例如使用深度学习算法来检测点云数据中的变化。
3. 使用点云数据的特性，例如使用点云数据的密度、点云数据的分布等特性来检测点云数据中的变化。

总之，torch-points3d包中没有change_detection的实现，因为change_detection是一个相对复杂的任务，需要考虑点云数据的变化、点云数据的格式、点云数据的特性等因素。如果你想实现change_detection，可以考虑使用差异计算算法、机器学习算法或点云数据的特性等方法。

代码示例

import torch
import torch_points3d

# 加载点云数据
point_cloud = torch_points3d.load_point_cloud('path/to/point_cloud.ply')

# 计算点云数据中的变化
diff = torch_points3d.diff_point_cloud(point_cloud, threshold=0.1)

# 可视化变化结果
torch_points3d.visualize_point_cloud(diff)

这个示例代码使用torch-points3d包中的diff_point_cloud函数来计算点云数据中的变化，然后使用visualize_point_cloud函数来可视化变化结果。