江苏开放大学计算机科学与技术本基于深度学习的三维点云分类分割方法研究

摘要

在复杂的空间环境中，机器视觉是实现作业目标自动辨识的重要手段。目前，广泛应用于机器人领域的 Kinect （Kinect）和激光（LiDAR）等多种探测手段可以获得物体的3D结构，从而实现更为复杂的装配、拆卸、抓持等作业。然而，这也给机器人在三维空间定位、目标尺寸测量和估计等方面提出了更高的需求。三维点云数据的有效获取是计算机视觉领域研究的一个热点问题。由于原始3D点云数据噪声大、稀疏、无序，给其进行分类和划分带来了很大的挑战，同时也带来了部分特征的难以获取。

通过对 PointNet+和 PointNet++两种不同类型的网络进行比较，重点研究了 PointNet++网络在数据抽取方面的优势。本项目基于 GateNet，将该思路与深度神经网络相结合，构建基于 PointNet++的G-PointNet++模型，以提升3D点云数据的分类与划分准确率。

关键词：深度学习；机器视觉；三维点云

AI创作