基于PointNet的点云分类模型
郝耀庭
摘要：点云分类在计算机视觉、测绘科学领域占据重要地位,使用计算机进行自主高效的点云分类对科技发展具有重要作用.可以使用PointNet直接对原始点云数据进行分类,将深度学习应用至点云分类.文章改进PointNet在提取点云特征时缺少点云的局部特征等问题,使用基于图卷积的EdgeConv卷积层进行特征提取,将每一层输出的特征与该层之前输出的特征图进行连接再提取,增加局部特征与全局特征的联系,提高整体点云分类准确率.采用ModelNet40数据集进行试验,对比PoineNet、PointNet++的分类准确率以及在不同的k取值下模型的分类精度.结果表明,k值为20时,改进方法的分类准确率比PointNet高2.0％,比PoineNet++高0.5％.
关键词：点云分类三维点云深度学习图卷积
分类号：TP391(计算技术、计算机技术)
论文发表日期：2022-01-10
页数：3( 39-41 )