面向三维模型分割的边界感知点云神经网络

• 作者: 关柏良 周凡 林淑金 罗笑南
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 网格分割 点云标记 重心提取 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图形与可视化
• 页码范围: 147-155
• 页数: 9页
• 分类号: TP391.41
• 字数: 7697字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2020.17899

摘要

为了能够更好地应用深度神经网络学习三维模型的空间特征,获得更好的三维模型分割效果,提出面向三维模型分割的边界感知点云神经网络.首先,采用边界感知的网格点云化方法,将网格分割问题转化成点云标记问题;然后,利用数据切片方法对转化而来的点云数据进行重采样;最后,利用不同大小卷积核的滤波器提取点云数据的空间特征,并将点云标记的结果对应到原网格模型,得到三维模型分割的结果.在ShapeNetCore数据库上的实验结果表明,该方法不仅能够明显地提高分割的准确率,而且具有边界感知的特性,能够有效地避免过分割现象.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周凡	中山大学数据科学与计算机学院	14	143	6.0	11.0
2	林淑金	中山大学传播与设计学院	6	12	2.0	3.0
3	罗笑南	桂林电子科技大学计算机与信息安全学院	8	17	3.0	4.0
4	关柏良	中山大学数据科学与计算机学院	3	2	1.0	1.0