首页|基于PointConv改进的点云分类网络

基于PointConv改进的点云分类网络

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
近年来,点云数据在自动驾驶和机器人等领域广泛应用.随着相关数据集的完善,以原始点云作为输入的深度学习方法接连涌现.针对点云的排列不变性和平移不变性特点,PointConv[1]使用逆密度加权的非线性卷积核提取局部特征.基于此,论文充分聚合上下文语义信息,用多层次、多尺度的密集特征对PointConv进行改进,实现了对多级局部邻域特征的综合利用,从而增强了网络的泛化能力.在数据集ModelNet40上的对比测试表明,改进后网络的整体准确率和类平均准确率均显著提高,进一步证明了该网络的有效性.
Improved Point Cloud Classification Network Based on PointConv

国玉恩、任明武

展开 >

南京理工大学计算机科学与工程学院 南京 210094

点云分类 PointConv 密集特征 上下文语义

2022

10.3969/j.issn.1672-9722.2022.12.026

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(12)
  • 1
  • 17