基于多视角的深度全景图的三维形状识别

• 作者: 方美娥 黄宁宁
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: 三维形状 柱面投影 全景图 三分支卷积神经网络
• 年，卷（期）: 2019,（2）
• 页码范围: 35-39
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.13954/j.cnki.hdu.2019.02.007

摘要

针对三维物体的形状表示和识别问题,基于三分支的卷积神经网络框架,训练由柱面投影得到的一组全景图获得三维物体的形状描述符,并得到最终的识别结果.以物体中心为原点,分别对物体的三个主轴做柱面投影得到三幅全景视图,既能描述物体在空间上的位置和方向,也能获得物体的全局形状表征.将三维物体对应的三视角全景图输入到三分支卷积神经网络框架中,经过训练能够得到一个更为紧凑的三维形状描述子用于表示物体形状特征,最终获得物体的识别结果.在三维模型分类实验中的M odelNet10数据库中,分类精度能达到89.47％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方美娥	杭州电子科技大学计算机学院	17	27	3.0	4.0
2	黄宁宁	杭州电子科技大学计算机学院	1	0	0.0	0.0