优化球查询算法的点云分割

摘要：

为丰富PointNet++网络局部特征的表征能力、加强细节特征的表达效果、提高点云模型的分割精度,针对PointNet++中多尺度和多分辨率算法都采用的点集重叠划分方法—球查询算法进行了研究.在PointNet++中,球查询算法随机选取球形邻域内的特征点提取局部特征,导致局部特征表达效果欠佳.为加强局部特征表征能力,引入K-近邻优化策略,将球邻域内的特征点按照与中心点的距离由近及远排序.在局部特征提取过程中,当球邻域内的点数超过需要的特征点时选取距中心点相对较近的一批点作为局部特征提取点;当球邻域中的点数少于需要的特征点时,选取距中心点最近的特征点复制多次,补齐特征表示.将优化的球查询算法应用于PointNet++分割网络,利用S3DIS和ShapeNetPart作为数据集验证算法的有效性.实验结果表明,优化的球查询算法丰富了网络的局部特征表征能力,强化了细节特征的表达效果,提高了分割精度.

关键词：球查询、多尺度、多分辨率、PointNet++、K-近邻、局部特征

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：山西省回国留学人员科研资助项目;山西省重点研发计划;山西省自然科学基金

在线出版日期：2022-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：55-59,65