本研究综述了深度学习在点云处理中的最新进展、挑战和潜在研究方向,重点关注点云分析中的 3D 形状分类和语义分割两个主要任务。
May, 2024
本文提出了一种基于 2D-CNN 和多模态网络架构的点云语义分割方法,将点云数据投影到 2D 平面,避免了 3D-CNN 方法中立方体体素化降低空间分辨率和增加内存消耗的限制,并在 Semantic3D 数据集上达到了相对增益 7.9%的最新最佳结果。
May, 2017
本文综述了近期 point cloud learning 领域深度学习方法在 3D 形状分类、3D 物体检测与跟踪、3D 点云分割三大任务中的最新进展及其对公共数据集的比较结果,并提出了可启发未来研究的深刻见解和方向。
Dec, 2019
综述了近期基于深度学习的三维物体分割,涵盖了 150 多篇文章,总结了最常用的算法流程、讨论了它们的优缺点,并分析了这些分割方法的竞争结果,最后提出了未来的研究方向。
Mar, 2021
本研究提出一种简单而灵活的框架,可同时在点云中进行实例和语义分割,通过学习语义感知的点级实例嵌入使实例分割受益于语义分割,同时融合属于同一实例的点的语义特征,以进行更精确的每点语义预测。此方法在 3D 实例分割上表现优异,并显著提高了 3D 语义分割。
Feb, 2019
本文介绍了一种深度学习架构,用于解决非结构化点云的三维语义分割问题。与以往的工作相比,我们引入了点群聚合技术,定义了初始世界空间和学习特征空间中的点邻域,并结合专用损失函数,进一步构建了学习点特征空间。我们展示了如何将这些机制应用于点云的三维语义分割任务,并在室内和室外数据集上报告了最新性能。
Oct, 2018
本文综述了当前处理非结构化欧几里得数据的深度学习架构,并提供了自动理解和分类三维感测数据的算法需求和未来研究价值的文献支持。
Jul, 2019
通过将深度学习与 RGB-D 数据相结合,提出了一种用于高效 3D 实例分割的新方法,该方法通过点状渲染模块将 2D 区域卷积神经网络(Mask R-CNN)模型与深度信息集成,可以识别和分割对象的 3D 实例,实验证明该方法对于支持机器人和智能系统中的物体处理非常有益。
Jun, 2024
本文综述了现有的三维点云分析技术及其算法、应用场景和目标,介绍了使用的数据集和评估指标,并比较了现有解决方案的性能,最后分析了当前技术面临的挑战和吸引人们注意的未来趋势。
Jun, 2023
该论文介绍了点云的获取、特点和挑战,回顾了点云分类的 3D 数据表示、存储格式和常用数据集,总结了基于深度学习的点云分类方法,并对最新研究进展进行了补充,对主要方法的性能进行了比较和分析,并讨论了点云分类面临的一些挑战和未来方向。
Nov, 2023