基于卷积神经网络的三维点云模型分类

来源 :2018第12届全国计算机图形学大会Chinagraph 2018 | 被引量 : 0次 | 上传用户：Kingt1

【摘要】

：

本文旨在研究如何将面向二维图像的CNN应用于三维点云的分类中.针对点云模型的特点，提出了一种基于CNN的通用三维点云模型分类框架；并设计了三种三维点云数据的有序化方法、三种有序点云数据的二维图像化方法、适用于二维点云图像分类的卷积神经网络PCI2CNN.本文方法在ModelNet10和ModelNet40上分别取得了93.97％和89.75％的分类准确率，和当前最好的方法相当.实验结果充分表明，将

【作者】

：

白静司庆龙刘振刚田栋文秦飞巍

【机构】

：

北方民族大学计算机科学与工程学院,银川750021 杭州电子科技大学计算机学院,杭州310018

【出处】

：

2018第12届全国计算机图形学大会Chinagraph 2018

【发表日期】

：

2018年10期

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

基于生成对抗网络的三维模型补全技术研究

针对三维模型信息丢失、结构残缺不全等问题，本文提出了一种基于生成对抗网络的模型补全方法，通过结合编码-解码机制和生成对抗网络的对抗机制来预测三维模型的完整结构并以此保证预测模型与输入模型之间的相似性，实现三维模型的高效修复。

会议

电子笔记本:一种从会议、报告及讲演的手机照片生成PPT的方法

会议

视频显著性眼动实验所需最优人数的预测

会议

基于RGB-D SLAM和离线优化的三维物体重建

本文主要关注在普通硬件条件下重建出精确的三维物体的点云模型。基本思想是将实时相机跟踪与后端优化两个模块分开，相机跟踪模块能够实时估计粗糙的相机位姿，显示当前重建出的物体点云，保证相机跟踪不会失败，同时尽可能得到待重建物体各个角度的图像。而后端优化模块根据相机跟踪模块得到的粗糙相机轨迹，进一步优化得到精确的全局相机位姿，同时对三维地图点进行优化，生成高精度的三维物体模型。在TUM公开数据集上的实验结

会议

混合时空平面局部二值模式的自发表情定位

从视频中检测人脸并对表情加以分析具有一定的难度，是研究的热点。然而，对于持续时间短、强度弱的自发表情，在视频中定位更具有挑战性。因此，为更加精确定位视频中自发表情所在的帧，提出一种基于轴平面混合局部二值模式的特征提取算法，首先，将改进的归一化互相关算法分别对眼部和嘴部区域进行精细匹配：其次，将时间轴平面提取到的扇形区域局部二值模式特征与空间轴平面提取到的均值直线局部二值模式特征进行融合。最后，通过

会议

一种面向草图检索的边缘特征提取算法

随着图像数据的激增，基于手绘草图的图像检索方法作为新兴技术越来越受到人们的重视.笔触扰动与不同的绘图方式使得草图与图像仍存在较大语义鸿沟，导致检索准确率低下.为解决上述问题，本文提出了一种图像边缘提取算法GBME与一种图像特征描述符RSB-HOG.实验表明，在Flickr15K数据集上，与其它方法相比具有更高的检索准确率.

会议

基于点面几何对偶性的可展Poisson曲面的设计

会议

自适应特征选择的分层卷积视觉跟踪

会议

基于深度卷积神经网络的鲁棒笑脸检测算法

会议

一种图像中识别CAD形状的方法

会议

基于卷积神经网络的三维点云模型分类

与本文相关的学术论文