典型文献
基于PointNet的点云分类模型
文献摘要：
点云分类在计算机视觉、测绘科学领域占据重要地位,使用计算机进行自主高效的点云分类对科技发展具有重要作用.可以使用PointNet直接对原始点云数据进行分类,将深度学习应用至点云分类.文章改进PointNet在提取点云特征时缺少点云的局部特征等问题,使用基于图卷积的EdgeConv卷积层进行特征提取,将每一层输出的特征与该层之前输出的特征图进行连接再提取,增加局部特征与全局特征的联系,提高整体点云分类准确率.采用ModelNet40数据集进行试验,对比PoineNet、PointNet++的分类准确率以及在不同的k取值下模型的分类精度.结果表明,k值为20时,改进方法的分类准确率比PointNet高2.0％,比PoineNet++高0.5％.
文献关键词：
点云分类;三维点云;深度学习;图卷积
中图分类号：
作者姓名：
郝耀庭
作者机构：
河南理工大学测绘与国土信息工程学院,河南焦作454000
文献出处：
引用格式：
[1]郝耀庭-.基于PointNet的点云分类模型)[J].智能城市,2022(01):39-41
A类：
EdgeConv,PoineNet,PoineNet++
B类：
点云分类,分类模型,计算机视觉,测绘,科学领域,始点,点云数据,学习应用,取点,点云特征,少点,局部特征,图卷积,卷积层,层进,特征图,全局特征,分类准确率,ModelNet40,PointNet++,分类精度,改进方法,三维点云
AB值：
0.292114
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。
