10.16526/j.cnki.11-4762/tp.2022.03.026
基于深度卷积神经网络的点云三维目标识别方法研究
为了提高对三维点云目标的识别精确度,提出一种基于深度卷积神经网络(CNN,convolutional neural network)的点云目标识别模型;针对已有的深度卷积点云目标识别网络无法有效提取点云局部拓扑特征的问题,采用迭代最远点采样(FPS,terative farthest point sampling)结合方向卷积编码方式来捕获局部形状特征;并引入空间变换网络(STN,spatial trans-form network)使点云数据能够自适应进行空间变换和对齐,以解决点云数据旋转性会造成目标识别结果不稳定的问题;实验结果表明:文中提出的点云目标识别方法有效提高了识别精度度,相较于PointNet在ModelNet40和ShapeNetCore两个数据集上分别提高1.2%和1.4%.
三维点云、目标识别、深度卷积神经网络、方向卷积编码、空间变换网络
30
TP3(计算技术、计算机技术)
浙江省自然科学基金;浙江省科技计划项目
2022-04-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
156-160