PointPCA:一种三维空间点云的特征提取算法
PointPCA：feature extraction algorithm for 3D point cloud
成都信息工程大学, 成都 610200
摘要
点云是一个庞大点的集合而且拥有重要的几何结构。由于其庞大的数据量，不可避免地就会在某些区域内出现一些相似点，这就使得在进行特征提取时提取到一些重复的信息，造成计算冗余，降低训练的准确率。针对上述问题，提出了一种新的神经网络——PointPCA，可以有效地解决上述问题；在PointPCA中，总共分为三个模块：a）采样模块，提出了一种average point sampling（APS）采样方法，可以有效地规避一些相似的点，得到一组近似代表这组点云的新的点集；b）特征提取模块，采用分组中的思想，对这组新的点的集合进行多尺度空间特征提取；c）拼接模块，将每一尺度提取的特征向量拼接到一起组合为一个特征向量。经过实验表明，PointPCA比PointNet在准确率方面提升了4.6%，比PointNet++提升了1.1%；而且在mIoU评估测试中也有不错的效果。
出版信息
DOI: 10.19734/j.issn.1001-3695.2022.03.0214
出版期卷: 《计算机应用研究》 印刷出版, 2023年第40卷 第1期
所属栏目: 图形图像技术
出版页码: 294-298
文章编号: 1001-3695(2023)01-049-0294-05
发布历史
[2022-08-09] 优先出版
[2023-01-05] 印刷出版
引用本文
季钰林, 钟剑丹, 李英祥, 等. PointPCA:一种三维空间点云的特征提取算法 [J]. 计算机应用研究, 2023, 40 (1): 294-298. (Ji Yulin, Zhong Jiandan, Li Yingxiang, et al. PointPCA：feature extraction algorithm for 3D point cloud [J]. Application Research of Computers, 2023, 40 (1): 294-298. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
