融合栅格与表面特征编码的轻量级点云分类网络

作     者：杨官学 周昊 刘慧 沈跃 徐婕 YANG Guanxue;ZHOU Hao;LIU Hui;SHEN Yue;XU Jie

作者机构：江苏大学电气信息工程学院江苏镇江212013 

基　　金：国家自然科学基金项目(32171908) 

出 版 物：《软件导刊》 (Software Guide)

年 卷 期：2024年第23卷第5期

页      码：9-16页

摘      要：点云携带着丰富的三维特征,其分类问题一直是深度学习领域的热点。现有点云分类网络的精度已经较为理想,但参数量与计算量过于庞大,不利于实际场景下的部署。针对该问题,提出一种轻量级点云分类网络GridPoint。首先设计点云栅格化模块Gridding,根据点的坐标位置进行栅格区域划分;然后扩展坐标的高次项函数,对原始点云进行表面特征编码,增强对轮廓特征的表达;最后使用两次全局池化完成局部特征的提取与全局特征的聚合。使用经典点云数据集ModelNet40、ShapeNetCore与真实数据集ScanObjectNN进行分类与消融实验。实验结果表明,GridPoint的分类精度接近PointNet++等主流网络,差距在0.3%~2.3%之间;网络参数量与计算量分别为0.11 M与0.05 G,相较主流网络分别减少了81.7%和88.9%以上,在轻量化方面优势显著,具有良好的实用价值。

主 题 词：深度学习 点云分类 轻量级网络 点云栅格化 表面特征编码 

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

D　O　I：10.11907/rjdk.241137

馆 藏 号：203128206...