典型文献
基于K最近邻局部点关系图卷积的点云分类
文献摘要：
为进一步提高大规模多种类三维点云分类的准确率,提出一种局部区域建立K近邻点关系的卷积神经网络,其关键是从点与点的关系中进行学习.在采样组采样后,对点云模型进行建图,从点与点之间的关系以及中心点的特征进行更深一步的关系学习,从而进行点云的分类工作.由于是从局部的特征整合到整体,使得该方法对形状感知敏感并具有鲁棒性.最终的试验结果表明,该算法在公开数据集ModelNet40上的准确率达到92.5％.与现有的三维点云分类算法相比,其能够更有效地整合局部特征和全局特征,从而能进一步提高三维点云模型分类的准确性.
文献关键词：
机器视觉;点云分类;深习;点球模型;K最近邻
中图分类号：
作者姓名：
陈根;冯肖维
作者机构：
上海海事大学物流工程学院,上海201306
文献出处：
引用格式：
[1]陈根;冯肖维-.基于K最近邻局部点关系图卷积的点云分类)[J].应用激光,2022(02):78-83
A类：
点球模型
B类：
最近邻,关系图卷积,三维点云分类,局部区域,邻点,建图,中心点,深一步,关系学习,行点,分类工作,特征整合,合到,得该,形状感知,公开数据集,ModelNet40,分类算法,局部特征,全局特征,高三,三维点云模型,模型分类,机器视觉,深习
AB值：
0.365235
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
