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
破烂儿几秒前
基于机器学习的缓存准入策略研究
人工智能·机器学习·缓存
算法打盹中7 分钟前
SimLingo:纯视觉框架下的自动驾驶视觉 - 语言 - 动作融合模型
人工智能·机器学习·计算机视觉·语言模型·自动驾驶
大嘴带你水论文1 小时前
震惊!仅用10张照片就能随意编辑3D人脸?韩国KAIST最新黑科技FFaceNeRF解析!
论文阅读·人工智能·python·科技·计算机视觉·3d·transformer
IT_陈寒1 小时前
🔥3分钟掌握JavaScript性能优化:从V8引擎原理到5个实战提速技巧
前端·人工智能·后端
格林威1 小时前
棱镜的技术加持:线扫相机如何同时拍RGB和SWIR?
人工智能·深度学习·数码相机·yolo·计算机视觉
JoinApper1 小时前
小白学OpenCV系列3-图像算数运算
人工智能·opencv·计算机视觉
张小九991 小时前
ThermoSeek:热稳定蛋白数据库
人工智能
wzy-6661 小时前
DINOv3 新颖角度解释
人工智能
jie*2 小时前
小杰机器学习(two)——导数、损失函数、斜率极值最值、微分规则、切平面与偏导数、梯度。
人工智能·机器学习
Niuguangshuo2 小时前
深度学习:归一化技术
人工智能·深度学习