顾及局部特征的深度学习点云分类研究

• 作者: 丁海勇 孙月霞 徐田野
• 来源期刊: 测绘科学
• 关键词: 点云分类 深度学习 PointNet 图卷积 KNN
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 61-66,93
• 页数: 7页
• 分类号: P237
• 语种: 中文

摘要

针对PointNet深度学习算法可以直接处理无序点云并取得了良好的精度,但是缺乏对局部信息学习过程的问题,该文基于图卷积模型,在PointNet基础上构造层次化的K邻域图,扩大局部感受野,获得高层次的特征抽象,有效提取了点云的局部特征从而提高了分类精度.分类实验在ModelNet40数据集上进行,取得了91.2％的测试精度.研究结果表明,该文提出的算法比PointNet分类结果高出2.0％,同时本文构造的分类网络鲁棒性优于PointNet算法,为点云分类工作提供了一种有效思路.