典型文献
图卷积神经网络在点云语义分割中的研究综述
文献摘要：
点云数据蕴含丰富的空间信息,可以通过激光雷达、3D传感器等设备大量采集,被广泛应用于自动驾驶、虚拟现实、城市规划和3D重建等领域.点云语义分割作为3D场景理解、识别和各种应用的基础而受到广泛关注.但不规则的点云数据无法直接作为传统卷积神经网络的输入,而图卷积神经网络可以利用图卷积算子直接对点云数据进行特征提取,使得图卷积神经网络已逐步成为点云语义分割领域的一个重要研究方向.基于此,对图卷积神经网络在3D点云语义分割应用中的研究进展进行综述,根据图卷积的类型对基于图卷积神经网络的点云语义分割方法进行分类,按照不同类别对比分析主流方法的模型架构及其特点,描述几个相关点云语义分割领域常用的公共数据集和评价指标,对点云语义分割方法进行总结和展望.
文献关键词：
语义分割;3D点云;图卷积神经网络;深度学习
中图分类号：
作者姓名：
张蕊;孟晓曼;曾志远;金玮;武益超
作者机构：
华北水利水电大学 信息工程学院,郑州 450046
文献出处：
引用格式：
[1]张蕊;孟晓曼;曾志远;金玮;武益超-.图卷积神经网络在点云语义分割中的研究综述)[J].计算机工程与应用,2022(24):29-46
A类：
B类：
图卷积神经网络,点云语义分割,点云数据,空间信息,激光雷达,自动驾驶,城市规划,割作,场景理解,卷积算子,分割方法,主流方法,模型架构,公共数据
AB值：
0.139575
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。
