文献类型：期刊文章

作　　者：李娇娇[1] 孙红岩[1] 董雨[1] 张若晗[1] 孙晓鹏[1,2]

Li Jiaojiao;Sun Hongyan;Dong Yu;Zhang Ruohan;Sun Xiaopeng(Institute of Computer System,School of Computer and Information Technology,Liaoning Normal University,Dalian,Liaoning 116029;Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia(Beijing University of Posts and Telecommunications),Beijing 100876)

机构地区：[1]辽宁师范大学计算机与信息技术学院计算机系统研究所,辽宁大连116029 [2]智能通信软件与多媒体北京市重点实验室(北京邮电大学),北京100876

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金项目(61472170);北京邮电大学智能通信软件与多媒体北京市重点实验室开放课题(ITSM201301)。

年　　份：2022

卷　　号：59

期　　号：5

起止页码：1160-1179

语　　种：中文

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

摘　　要：深度学习在2维图像等结构化数据处理中表现出了优越性能,对非结构化的点云数据分析处理的潜力已经成为计算机图形学的重要研究方向,并在机器人、自动驾驶、虚拟及增强现实等领域取得一定进展.通过回顾近年来3维点云处理任务的主要研究问题,围绕深度学习在3维点云形状分析、结构提取、检测和修复等方向的应用,总结整理了典型算法.介绍了点云拓扑结构的提取方法,然后对比分析了变换、分类分割、检测跟踪、姿态估计等方向的以构建神经网络为主要研究方法的进展.最后,总结常用的3维点云公开数据集,分析对比了各类方法的特点与评价指标,指出其优势与不足,并从不同角度对基于深度学习的方法处理点云数据所面临的挑战与发展方向进行了讨论.

关 键 词：点云 深度学习  重建  分类分割  检测追踪  姿态估计  

分 类 号：TP391.4]