首页 > 论文 > 激光与光电子学进展 > 56卷 > 21期(pp:211004)

基于图卷积网络的深度学习点云分类模型

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

近年来三维点云分类成为一个越来越受重视的研究方向。PointNet是其中具有代表性的研究成果,该模型开创性地利用深度学习模型对点云进行分类,取得了较好的效果。但是PointNet模型只考虑到点云的全局特征而忽略了每个点的局部信息,为了弥补这个缺陷,本文提出了基于图卷积网络的点云分类模型,在PointNet模型中插入一个kNN graph层,通过在点云空间构造k近邻图,利用图结构有效地获取点云的局部信息,从而提高整体点云分类准确率。分类实验在ModelNet40上进行,对比了不同近邻值k对输出精度的影响,结果表明在k取20时,分类准确率最高,达到了93.2%,比PointNet高4.0%。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.211004

作者单位:

    河北工业大学
    河北工业大学
    河北工业大学
    河北工业大学
    河北工业大学

引用该论文

王旭娇,马杰,王楠楠,马鹏飞,杨立闯. 基于图卷积网络的深度学习点云分类模型[J].激光与光电子学进展,2019,56(21):211004.