10.3969/j.issn.1000-1220.2021.04.018
利用空间结构信息的三维点云模型分类
现有的三维点云模型分类方法未考虑模型本身的空间结构信息,忽略了模型上点与点之间的相互关系.为此,提出一种能够提取模型空间结构信息的转换网络,实现三维点云模型的分类.首先对三维模型采样分组,得到其球形邻域,计算每个邻域内点的浅层特征,同时使用转换网络将邻域的空间结构信息转换为特征权重,并通过特征映射将特征权重和浅层特征输出为具有该邻域空间结构信息的高维特征.然后聚合各个邻域的高维特征得到模型的全局特征,并通过多个尺度逐层迭代输出分类结果.实验结果表明,在ModelNet40上的分类准确率达到92.8%,高于目前的主流算法.
三维模型分类、点云模型、深度学习、空间结构信息
42
TP391(计算技术、计算机技术)
国家自然科学基金项目61862039
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
779-784