声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：钟小品,李锋,邓元龙,
单位：深圳大学机电与控制工程学院机器视觉及检测实验室,广东深圳518060；
关键词：点云,法向量估计,三维深度学习,多尺度,特征融合,
基金：深圳市科技计划项目(JCYJ20180305123922293,JCYJ201908081434158D1)；深圳大学—台北科技大学学术合作专题研究项目(2019009)；；
为了解决机械零配件点云处理中非均匀采样干扰、尖锐特征损失等难点，提出一种基于深度神经网络多尺度融合的点云法向量估计方法。该网络在不同邻域尺度下集成了采样点细节与点云块整体两种特征。为了使该多维回归输出网络的训练更稳定且能缓解梯度爆炸问题，重新设计了一个光滑的损失函数。实验结果表明，该方法性能优于传统的方法以及HoughCNN、PCPNet等方法，能够更准确地估计尖锐边缘的法向量，对点云各种噪声和采样方法鲁棒性都更强。
来源：2021年第9期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。