深度学习点云质量增强方法综述

好久没更新博客了,后面计划重启博客,空闲时分享一下学习心得,包括但不局限于点云编码/压缩、插帧、质量增强。这次,推荐一篇综述论文。

**题目:**深度学习点云质量增强方法综述 (Deep learning-based quality enhancement for 3D point clouds: a survey)

期刊《中国图象图形学报》2023年第28卷第11期

作者陈建文1, 赵丽丽2, 任蓝草1, 孙卓群1, 张新峰3, 马思伟4

机构:1.电子科技大学信息与通信工程学院, 成都 611731; 2.中国移动通信有限公司研究院, 北京 100032; 3.中国科学院大学计算机科学与技术学院, 北京 100190; 4.北京大学计算机学院, 北京 100871

摘要 :随着三维探测技术的发展,点云逐渐成为最常用的三维物体/场景表征数据类型之一,广泛应用于自动驾驶、增强现实及虚拟现实等领域。然而,受限于硬件设备、采集环境以及遮挡等因素,采集的原始点云通常是不完整、稀疏、嘈杂的,为点云的处理和分析带来了巨大挑战。在此背景下,点云质量增强技术旨在对原始点云进行处理以获得结构完整、密集且接近无噪的点云,具有重要意义。本文对现阶段深度学习点云质量增强方法进行了系统综述,为后续研究者提供研究基础。首先,简要介绍了点云数据处理中通用的关键技术;分别介绍了++点云补全、点云上采样和点云去噪++3类点云质量增强方法,并对3类方法中的现有算法进行了分类、梳理及总结。其中,点云补全与点云去噪算法均可根据是否采用编码器---解码器结构分为两大类,点云上采样算法可根据网络主要结构分为基于卷积神经网络的方法、基于生成对抗网络的方法和基于图卷积神经网络的方法。其次,总结了质量增强任务中常用的数据集与评价指标,并分别对比分析了现阶段点云补全、上采样和去噪中主流算法的性能。最后,通过系统的梳理,凝练出点云质量增强方向所面临的挑战,并对未来的研究趋势进行了展望。

涉及的文献及其开源代码:https://github.com/LilydotEE/Point_cloud_quality_enhancement

全文详见:http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?file_no=221076&flag=1

关键词:point cloud completion, point cloud upsampling, point cloud denoising

相关推荐
狂奔solar3 分钟前
diffusion-vas 提升遮挡区域的分割精度
人工智能·深度学习
资源大全免费分享17 分钟前
MacOS 的 AI Agent 新星,本地沙盒驱动,解锁 macOS 操作新体验!
人工智能·macos·策略模式
跳跳糖炒酸奶34 分钟前
第四章、Isaacsim在GUI中构建机器人(2):组装一个简单的机器人
人工智能·python·算法·ubuntu·机器人
AI.NET 极客圈39 分钟前
AI与.NET技术实操系列(四):使用 Semantic Kernel 和 DeepSeek 构建AI应用
人工智能·.net
Debroon43 分钟前
应华为 AI 医疗军团之战,各方动态和反应
人工智能·华为
俊哥V44 分钟前
阿里通义千问发布全模态开源大模型Qwen2.5-Omni-7B
人工智能·ai
果冻人工智能1 小时前
每一条广告都只为你而生: 用 人工智能 颠覆广告行业的下一步
人工智能
掘金安东尼1 小时前
GPT-4.5 被 73% 的人误认为人类,“坏了?!我成替身了!”
人工智能·程序员
掘金一周1 小时前
金石焕新程 >> 瓜分万元现金大奖征文活动即将回归 | 掘金一周 4.3
前端·人工智能·后端
白雪讲堂2 小时前
AI搜索品牌曝光资料包(精准适配文心一言/Kimi/DeepSeek等场景)
大数据·人工智能·搜索引擎·ai·文心一言·deepseek