DST-Pointnet++:基于Pointnet++改进的点云分类网络

摘要：

点云提供了精确的空间位置信息而被广泛应用于环境感知领域.近年来,越来越多的工作尝试直接以点云作为输入进行特征提取,Pointnet[10]和Pointnet++[11]是这个方向的开创者,但Pointnet++没有考虑点云非均匀采样的问题.研究提出了DST-Pointnet++对其进行改进,通过核密度估计和非线性变换从点云中提取出逆密度因子,将其与原点云特征进行加权,得到了具有密度信息的点云特征,提高了边缘点对局部特征的贡献,改善了因点云分布不均造成的问题.经过在公开数据集上测试对比,结果表明DST-Pointnet++具有更好的准确率和鲁棒性.

关键词：点云分类、深度学习、Pointnet++、逆密度

所属期刊栏目：50

分类号：P413(大气探测（气象观测）)

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2497-2501