一种面向低采样率的点云数据处理网络

作     者：张毅 林云汉 刘双元 ZHANG Yi;LIN Yunhan;LIU Shuangyuan

作者机构：武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065 武汉科技大学机器人与智能系统研究院武汉430081 

基　　金：国家自然科学基金(62073249) 湖北省自然科学基金青年项目(2020CFB116) 湖北省技术创新专项重大项目(2019AAA071) 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2022年第48卷第11期

页      码：240-246页

摘      要：在直接处理点云的三维神经网络中,采样阶段实现了对原始点云中关键点的筛选,对于整个网络的性能及网络的抗噪能力具有重要作用。目前主流的最远点采样(FPS)方法在处理大规模3D点云数据时计算量大且耗时,并且低采样率时经过FPS采样后模型性能下降明显。针对这两个问题,提出一种面向低采样率的点云数据处理网络AS-Net。设计一个新的采样模块代替原backbone中的FPS,其由两个Layer组成,每个Layer基于长短期记忆网络获取原始点云与采样点云之间的联系权重,从而高效提取关键信息,去除冗余信息。在此基础上,利用注意力机制选择特征值较高的原始点云作为采样点,采样点作为后序任务的关键点输入到网络,进一步提高网络模型性能。基于ModelNet40数据集的实验结果表明,在低采样率条件下,AS-Net仍可达到81.6%的分类准确率,与使用FPS作为采样方法的网络模型相比提高52.7%。此外,其对噪声干扰具有很强的鲁棒性,对于大场景的分割时间效率优于同类采样方法。

主 题 词：点云 采样 最远点采样 长短期记忆网络 注意力机制 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.19678/j.issn.1000-3428.0063204

馆 藏 号：203115469...