基于残差边卷积的3D点云分类算法

作     者：杜子金 曹飞龙 叶海良 梁吉业 DU Zijin;CAO Feilong;YE Hailiang;LIANG Jiye

作者机构：中国计量大学理学院杭州310018 山西大学计算智能与中文信息处理教育部重点实验室太原030006 

基　　金：国家自然科学基金项目(No.62032022 62006215 61876103)资助 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2021年第34卷第9期

页      码：836-843页

摘      要：3D点云的不规则性与无序性使点云的分类仍具有挑战性.针对上述问题,文中设计基于残差边卷积的3D点云分类算法,可直接从点云学习到具有区分度的形状描述子,用于目标分类.首先,设计具有残差学习的边卷积模块,用于点云的特征提取.通过K近邻算法,该边卷积模块在输入点云上构建局部图,使用卷积及最大池化进行局部特征的提取与聚合.然后,通过多层感知器从原始点特征中提取全局特征,并以残差学习的方式与局部特征结合.最后,以该卷积块为基本单元,构建深度神经卷积网络,实现3D点云的分类.文中方法较全面地考虑点云局部特征与全局特征的有机结合,网络具有更深层次的结构,最终得到的形状描述子更抽象,具有更高的区分度.在具有挑战性的ModelNet40、ScanObjectNN数据集上的实验证实文中方法的分类性能较优.

主 题 词：深度学习 卷积神经网络 分类 点云 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16451/j.cnki.issn1003-6059.202109006

馆 藏 号：203105047...