基于极大似然法改进算法的点云去噪
唐渝钦
蔡勇
张建生
西南科技大学制造科学与工程学院 绵阳 621000;制造过程测试技术教育部重点实验室 绵阳 621010
摘要：点云作为一种常见的几何数据类型,包含着丰富的几何空间信息.通过采集设备或图像重建得到的点云数据经常受到噪声的干扰,这会影响点云处理的下游任务.论文结合深度学习中的优化思想,对该方法的网络结构进行改进,链接层次特征,冻结特征提取器并重新训练分数估计单元以提升网络的性能.并且对网络的损失函数进行优化,引入正则化项,使点在曲面上规则分布从而更好地保护点云的特征.实验结果表明,改进算法去噪后点云的倒角距离相较于原网络降低了7.6%,有效地提升了去噪效果.改进后算法的去噪效果不仅超越了最先进的基于深度学习的去噪算法,而且优于最先进的基于优化的去噪算法.
关键词：深度学习点云去噪极大似然法特征保护
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-04-20
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( 936-941 )
英文信息