3D点云分割
关注
分享
扫一扫
文章平均质量分 92
yumaomi
ZJU 研二
展开
-
3D点云分割系列5：RandLA-Net：3D点云的实时语义分割，随机降采样的重生
RandLA-Net主要是在实时的3D点云分割方面做了一些贡献和改进，通过采样策略的选择、局部点的特征聚合、残差块的链接、只使用MLP进行计算提升了点云分割模型的效率，同时大大降低了显存消耗。原创 2023-04-07 15:46:49 · 3431 阅读 · 0 评论 -
3D点云分割系列4：PointSIFT：SIFT算法在点云处理中的应用，从PointNet++的球查询扩展到8向查询
PointSIFT: A SIFT-like Network Module for 3D Point Cloud Semantic Segmentation》2018年发布在arXiv上。原创 2023-04-04 20:50:35 · 2095 阅读 · 0 评论 -
3D点云分割系列3：Momen^et:Mo-Net 几何矩作为特征描述符在3D点云分类/分割中的应用
在这篇文章中，作者分析了几何矩作为形状标识符对三维点云形状的表征意义。引入了一阶矩、二阶矩作为模型的多项式输入。同时设计实验分析了MLP模型是否能够替代手动多项式输入，实验证明手动输入比使用模型拟合效果更明显。最后，作者基于PointNet，在输入阶段采用2ndOrder−Layer2ndOrder−Layer来输入多项式特征。本文的核心是几何矩对点云形状的表征意义。原创 2023-04-03 18:15:48 · 707 阅读 · 0 评论 -
3D点云分割系列2：PointNet++:从PointNet到点云多尺度特征处理
PointNet++在PointNet的基础上更新了多尺度的特征处理操作。提出了两种set abstraction策略，能够根据不同点云密度智能地聚合多尺度特征，对点云密度的输入具有更强的鲁棒性。原创 2023-04-03 14:17:22 · 1653 阅读 · 0 评论 -
3D点云分割系列1：PointNet，从Voxel-base到Point-base的进阶之路
总结一下，PointNet为3D点云分割、分类开拓了一条新的道路，也就是Point-base的方法。从对体素voxel的处理转为对点point进行直接处理，提高了效率，同时也获得十分优秀的效果。PointNet中出彩的地方包括使用T-Net来学习点云的刚性变换、使用MaxPooling来解决点云输入无序性的问题。原创 2023-03-30 15:18:42 · 1918 阅读 · 0 评论