基于K-means聚类的三维点云分类

• 作者: 潘巍 王茹 马京晖
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K-means聚类分析 三维点云分类 三角形插值
• 年，卷（期）: 2020,（17）
• 所属期刊栏目: 图形图像处理
• 页码范围: 181-186
• 页数: 6页
• 分类号: TP301
• 字数: 3994字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1909-0305

摘要

针对三维点云分类算法受到点云稀疏性和无序性影响的问题,提出一种改进算法.在点云预处理阶段,对密集的点云进行冗余数据去除,以减少后续计算量;对于稀疏的点云数据则进行三角形插值计算,以使分类更精确.加入K-means聚类分析算法,之后并行通过PointNet网络进行特征提取,该方法可体现点云空间中的点云分布特性.分别在ModelNet10/40上进行三维点云分类实验,并对比不同K值对分类结果的影响.实验结果表明,当K=5时分类准确率最高,其在ModelNet10/40上的准确率分别是94.2％和92.6％.提出的算法性能高于其他对比算法,同时训练时间大大减少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王茹	首都师范大学信息工程学院	2	2	1.0	1.0
2	潘巍	首都师范大学信息工程学院	22	130	7.0	10.0
3	马京晖	首都师范大学信息工程学院	1	0	0.0	0.0