计算机应用研究

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

查看计算机应用研究杂志2021年第9期