基于PointNet++改进的点云特征提取与分类网络架构
姚钺
任明武
南京理工大学计算机科学与工程学院 南京 210094
摘要：点云作为一种能提供丰富空间信息与几何特征的数据表达形式,正受到越来越多的重视.为了克服其无序性,以及不均匀的空间分布带来的影响,许多研究者采取平面投影,或者使用体素网格对原始点云进行转换,但这些方式都是以损失三维信息或者增大数据规模为前提.PointNet[1]创新性的使用原始点云作为输入,提取特征并处理.PointNet++[2]则在此之上,更进一步地加强了对局部特征的提取能力.论文结合深度学习中的优化思想,对PointNet++结构进行改进,加入自顶向下的网络分支,经过处理后将原网络每一层的中间特征都输入到最终分类网络,更进一步地强化特征提取的能力.该网络易于理解且高效,在ModelNet40数据集上测试,整体分类准确率有明显提升,证明了其优化后的特征提取能力.
关键词：点云PointNet++自顶向下中间特征
分类号：TP203(自动化技术及设备)O141.4(数理逻辑、数学基础)
论文发表日期：2021-10-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2052-2056,2112 )
英文信息