科研之友
微信
新浪微博
Facebook
分享链接
摘要
实现快速且高精度的点云分类算法对自动驾驶、 3维场景识别、地图重建、工业机器人等应用领域起着重要的作用。针对目前传统3维点云分类算法存在着深度学习需要海量带标签训练数据以及在网络中没有考虑到3维点云数据的局部信息的不足，基于最大分类器差异域适应方法，设计了一种3维点云分类框架。首先使用PointNet点云分类网络作为网络的基本框架，其次在特征网络中添加自适应节点模块以处理3维点云的局部特征，最后利用领域自适应方法中的最大分类器差异域适应方法对网络的全局特征进行训练，有效缓解对海量训练数据的依赖性。在3维点云数据集PointDA-10的6种迁移组合对所提方法进行实验验证，在其中5种组合的分类准确率优于传统的点云分类算法，并且在减少20%训练数据量的情况下仍能较传统方法有效提升分类准确率。
- 出版日期2023
- 单位福建师范大学
