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.

 

论文链接:

https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2022&filename=JFYZ202205014&uniplatform=NZKPT&v=SfE2u2pSsAj0H6xouVvjQ5WBIoBkxkpzHQLk4hEVdjWjtuf6wQDsc4JzmsQLT_D1

内容中包含的图片若涉及版权问题,请及时与我们联系删除