点云论文阅读-1-pointnet++

pointnet局限性:不能获取局部结构信息

作者提出pointnet++需要解决的问题

  • 如何生成点云的分区(需要保证每一个分区具有相似的结构,使学习算法的参数在局部共享)
  • 如何通过一个局部特征学习算法抽象点云或局部特征

解决方法

  • 局部特征学习算法就是PointNet
  • 分区则是选取了在最底层的欧氏空间内由质心(centroid)和尺寸(scale)描述的球形。为了保证整个点云被均匀覆盖,质心的选择应用了farthest point sampling(FPS)算法

难点

如何确定球的尺寸,类似于如何确定CNN的卷积核尺寸。

作者主要贡献:

利用了多尺度邻域以同时实现鲁棒性和细节获取

在非均匀采样密度下的鲁棒特征学习:两个密度适应网络结构:多尺度分组(MSG)和多分辨率分组(MRG)

1、Multi-scale grouping (MSG) MSG方法如上图左,就是在每一个分组层都通过多个尺度(设置多个半径值)来确定每一个中心点的领域范围,每一个范围都经过PointNet提取特征,再将得到的多个范围的特征concatenate起来,得到一个多尺度的新特征。

2. Multi-resolution grouping (MRG) 在MSG方法中,每一个中心点都需要多个patch的选取和卷积,计算量大,所以提出了MRG方法。如上图右所示,新特征由两部分concatenate得到,左边特征向量是通过较低层即L_{i-1}层经过PointNet提取得到,右边特征向量是对当前层中心点对应的patch进行PointNet得到。当点云密度不均时,可以通过判断当前patch的点云密度给予左右两个特征向量不同的权重。例如,当patch中密度过小,左边特征向量中包含的点更稀疏,容易受到抽样不足的影响,因此提高右边特征向量的权重。

相关推荐
wanhengidc2 分钟前
云手机与人工智能之间的关系
人工智能·智能手机
Sic_MOS_780168248 分钟前
超高密度2kW GaN基低压电机驱动器的设计
人工智能·经验分享·汽车·集成测试·硬件工程·能源
老坛程序员27 分钟前
抓包解析MCP协议:基于JSON-RPC的MCP host与MCP server的交互
人工智能·网络协议·rpc·json·交互
努力毕业的小土博^_^42 分钟前
【深度学习|学习笔记】详细讲解一下 深度学习训练过程中 为什么 Momentum 可以加速训练?
人工智能·笔记·深度学习·学习·momentum
飞哥数智坊42 分钟前
DeepSeek 节前突袭发布 V3.2-Exp:长文本推理成本直降75%!
人工智能·deepseek
清风吹过44 分钟前
少样本学习论文分享:多模态和类增量学习
论文阅读·人工智能·深度学习·学习·机器学习
居然JuRan1 小时前
抽丝剥茧的Transformer详解
人工智能
计算机小手1 小时前
AI截图解答工具,可自定义设置多模态模型和提示词
人工智能·经验分享·开源软件
资讯全球2 小时前
2025年用户体验佳的大型企业报销系统
人工智能·百度·ux
海底的星星fly3 小时前
【Prompt学习技能树地图】单一思维链优化-自我一致性提示工程原理、实践与代码实现
人工智能·语言模型·prompt