文献类型：期刊文章

作　　者：芦新宇[1] 杨冰[1] 叶海良[1] 曹飞龙[1]

LU Xinyu;YANG Bing;YE Hailiang;CAO Feilong(Department of Applied Mathematics,College of Sciences,China Jiliang University,Hangzhou 310018)

机构地区：[1]中国计量大学理学院应用数学系,杭州310018

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金项目(No.62032022,62006215)资助。

年　　份：2022

卷　　号：35

期　　号：2

起止页码：141-149

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：现阶段点云分类研究已被广泛应用于机器人操作、自主驾驶和虚拟现实等多个领域,提取既丰富又具有高判别能力的特征是3D点云分类的关键.为此,文中设计基于局部-非局部交互卷积的3D点云分类算法,改善点云的特征提取.首先,构造局部-非局部交互卷积模块,在获取局部相似特征和非局部相似特征的基础上,采用交互增强,缓解单个邻域在表示封闭区域时存在的冗余问题,增强网络的层次性和稳定性,同时也缓解网络的退化问题.然后,以该模块为基本单元构建卷积神经网络.最后,采用自适应特征融合,充分利用不同层次的特征,实现3D点云的分类.在ModelNet40、ScanObjectNN基准数据集上的实验表明,文中算法性能较优.

关 键 词：深度学习  点云分类  局部-非局部交互卷积  自适应特征融合  

分 类 号：TP391]