计算机应用研究

作者：季钰林,钟剑丹,李英祥,傅俊杰,刘家威,

单位：成都信息工程大学,成都610200；

关键词：PointPCA,averagepointsampling,多尺度空间特征提取,特征向量,

点云是一个庞大点的集合而且拥有重要的几何结构。由于其庞大的数据量，不可避免地就会在某些区域内出现一些相似点，这就使得在进行特征提取时提取到一些重复的信息，造成计算冗余，降低训练的准确率。针对上述问题，提出了一种新的神经网络——PointPCA，可以有效地解决上述问题；在PointPCA中，总共分为三个模块：a）采样模块，提出了一种average point sampling（APS）采样方法，可以有效地规避一些相似的点，得到一组近似代表这组点云的新的点集；b）特征提取模块，采用分组中的思想，对这组新的点的集合进行多尺度空间特征提取；c）拼接模块，将每一尺度提取的特征向量拼接到一起组合为一个特征向量。经过实验表明，PointPCA比PointNet在准确率方面提升了4.6%，比PointNet++提升了1.1%；而且在mIoU评估测试中也有不错的效果。

来源：2023年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第1期