点云深度学习方法

深度学习点云数据处理主要涉及:

分类(Classification)、分割(Segmentation)、目标检测(Object Detection)、实例分割(Panoptic Segmentation)、配准(Registration)、点云重构(Reconstruction)。

论文:Deep Learning for 3D Point Clouds: A Survey中将方法进行分类

其中主要方法可以分为:基于多视图、基于点、基于体素、融合方法

1、基于点的方法

1.1 pointnet、pointnet++、pointnext方法等

1.2 卷积的方法:pointconv、kpconv、自注意力网络模型(point transformer)

1.3 图方法:DGCNN

2、基于体素的方法

2.1 voxlnet:网格划分后,提取网格内特征,之后进行卷积实现目标检测

2.2 VOtr:自注意力机制应用到体素检测中

3、多视图方法

将多个视图点云投影至2D,作为训练数据,利用卷积实现目标后再投影回3D

3.1 MVCNN

参考文章:【综述】三维点云深度学习算法综述,sota pointcloud - yeyan的文章 - 知乎

https://zhuanlan.zhihu.com/p/631205455

相关推荐
rocksun几秒前
Agentic AI和平台工程:如何结合
人工智能·devops
孔令飞11 分钟前
关于 LLMOPS 的一些粗浅思考
人工智能·云原生·go
Lecea_L17 分钟前
你能在K步内赚最多的钱吗?用Java解锁最大路径收益算法(含AI场景分析)
java·人工智能·算法
2501_9071368221 分钟前
OfficeAI构建本地办公生态:WPS/Word双端联动,数据自由流转
人工智能·word·wps
飞哥数智坊25 分钟前
从零构建自己的MCP Server
人工智能
是Dream呀27 分钟前
ResNeXt: 通过聚合残差变换增强深度神经网络
人工智能·算法
项目申报小狂人38 分钟前
CUDA详细安装及环境配置——环境配置指南 – CUDA+cuDNN+PyTorch 安装
人工智能·pytorch·python
林泽毅39 分钟前
SwanLab Slack通知插件:让AI训练状态同步更及时
深度学习·机器学习·强化学习
suke1 小时前
一文秒懂AI核心:Agent、RAG、Function Call与MCP全解析
人工智能·程序员
大霸王龙1 小时前
LLM(语言学习模型)行为控制技术
python·深度学习·学习