计算机应用研究2021，Vol.38Issue(9) ：2842-2847.DOI:10.19734/j.issn.1001-3695.2020.10.0426

零件点云法向量估计的多尺度特征融合网络

Multi-scale feature fusion network for point cloud normal estimation of mechanical parts

钟小品 李锋 邓元龙
计算机应用研究2021，Vol.38Issue(9) ：2842-2847.DOI:10.19734/j.issn.1001-3695.2020.10.0426
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

零件点云法向量估计的多尺度特征融合网络

Multi-scale feature fusion network for point cloud normal estimation of mechanical parts

钟小品 1李锋 1邓元龙1
扫码查看

作者信息

  • 1. 深圳大学 机电与控制工程学院 机器视觉及检测实验室,广东 深圳518060
  • 折叠

摘要

为了解决机械零配件点云处理中非均匀采样干扰、尖锐特征损失等难点,提出一种基于深度神经网络多尺度融合的点云法向量估计方法.该网络在不同邻域尺度下集成了采样点细节与点云块整体两种特征.为了使该多维回归输出网络的训练更稳定且能缓解梯度爆炸问题,重新设计了一个光滑的损失函数.实验结果表明,该方法性能优于传统的方法以及HoughCNN、PCPNet等方法,能够更准确地估计尖锐边缘的法向量,对点云各种噪声和采样方法鲁棒性都更强.

关键词

点云/法向量估计/三维深度学习/多尺度/特征融合

引用本文复制引用

基金项目

出版年

2021
计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
参考文献量2
段落导航相关论文