基于点云数据的三维目标识别和模型分割方法

• 作者: 刘玉杰 李华 李宗民 牛辰庚
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 点云 深度学习 原始数据 三维目标识别 三维模型分割
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 专论:第21届中国计算机图形学大会(CHINAGRAPH 2018 广州)
• 页码范围: 274-281
• 页数: 8页
• 分类号: TP391
• 字数: 6282字
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2019020274

摘要

三维模型的深度特征表示是三维目标识别和三维模型语义分割的关键和前提,在机器人、自动驾驶、虚拟现实、遥感测绘等领域有着广泛的应用前景.然而传统的卷积神经网络需要以规则化的数据作为输入,对于点云数据需要转换为视图或体素网格来处理,过程复杂且损失了三维模型的几何结构信息.借助已有的可以直接处理点云数据的深度网络,针对产生的特征缺少局部拓扑信息问题进行改进,提出一种利用双对称函数和空间转换网络获得更鲁棒、鉴别力更强的特征.实验表明,通过端到端的方式很好地解决缺少局部信息问题,在三维目标识别、三维场景语义分割任务上取得了更好的实验效果,并且相比于PointNet++在相同精度的情况下训练时间减少了20％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李华	中国科学院计算技术研究所智能信息处理重点实验室	189	3087	30.0	49.0