-
题名基于局部-非局部交互卷积的3D点云分类
被引量：1
- 1
-
-
作者
芦新宇
杨冰
叶海良
曹飞龙
-
机构
中国计量大学理学院应用数学系
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2022年第2期141-149,共9页
-
基金
国家自然科学基金项目(No.62032022,62006215)资助。
-
文摘
现阶段点云分类研究已被广泛应用于机器人操作、自主驾驶和虚拟现实等多个领域,提取既丰富又具有高判别能力的特征是3D点云分类的关键.为此,文中设计基于局部-非局部交互卷积的3D点云分类算法,改善点云的特征提取.首先,构造局部-非局部交互卷积模块,在获取局部相似特征和非局部相似特征的基础上,采用交互增强,缓解单个邻域在表示封闭区域时存在的冗余问题,增强网络的层次性和稳定性,同时也缓解网络的退化问题.然后,以该模块为基本单元构建卷积神经网络.最后,采用自适应特征融合,充分利用不同层次的特征,实现3D点云的分类.在ModelNet40、ScanObjectNN基准数据集上的实验表明,文中算法性能较优.
-
关键词
深度学习
点云分类
局部-非局部交互卷积
自适应特征融合
-
Keywords
Deep Learning
Point Cloud Classification
Local-Nonlocal Interactive Convolution
Adaptive Feature Fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
