基于椭球拟合的点云旋转不变网络

作     者：黎书玉 张旭东 孙锐 范之国 Li Shuyu;Zhang Xudong;Sun Rui;Fan Zhiguo

作者机构：合肥工业大学计算机与信息学院合肥230601 

基　　金：国家自然科学基金(61876057,61971177) 安徽省重点研发计划-科技强警专项(202004d07020012) 安徽省科技重大专项(202103a06020010)项目资助 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2022年第36卷第9期

页      码：111-117页

摘      要：点云携带丰富的几何信息,在计算机视觉领域具有独特优势。现有基于深度学习的三维模型分类与分割方法能有效识别固定视角下的物体,但在实际应用中,物体方向未知,使得点云描述存在旋转变换问题,极大影响网络的识别精度。针对点云的旋转性问题,提出一种轻量级的基于椭球拟合的旋转不变网络(point cloud rotation invariant network based on ellipsoid fitting, EFRI-N)。设计前置网络模块提取点云的旋转不变特征,包括椭球拟合和特征编码两个部分。通过椭球拟合算法标识原始点云的方向得到旋转不变坐标系,再将原始特征映射到该坐标系中,利用空间信息和角度信息进行编码得到点云的旋转不变特征;为了获取更丰富的几何信息,在分类分割网络中加入多层级的特征连接增强特征传播及复用,提高模型表征能力。采用国际知名公共数据集ModelNet40和ShapeNet Parts进行分类、分割实验,结果表明,该方法在处理旋转点云的任务中优于主流算法,网络识别精度提升了1%~62.63%不等,并且网络的计算量和参数量都有着数量级的优势。满足单目标场景下对点云旋转不变性的使用要求,具有良好的应用价值。

主 题 词：点云 深度学习 分类 分割 旋转不变 轻量级 

学科分类：0810[工学-土木类] 08[工学] 081203[081203] 081001[081001] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13382/j.jemi.B2205143

馆 藏 号：203115644...