基于欧氏距离匹配的三维点云混合算法设计与实现
随着三维扫描设备和深度学习的快速发展,三维点云数据的处理成了热门趋势.目前,点云分类网络大都基于特征提取层面的算法改进提升点云分类网络分类准确率.相比于传统的数据增强方法,文章提出了一种基于数据预处理阶段的点云混合算法.在不改变分类网络结构的前提下,对数据进行混合处理.通过点云的相似度匹配,选取相似度小的点云进行混合,进而提升模型的泛化性能.实验结果表明:所提出的基于欧氏距离匹配的三维点云混合算法应用在点云分类任务上能显著提高点云分类的准确率.
点云、混合、深度学习
18
TP391(计算技术、计算机技术)
大亚湾科技计划项目2020010203
2022-12-08（万方平台首次上网日期，不代表论文的发表时间）
共3页
1-3
