面向三维模型分割的边界感知点云神经网络

摘要：

为了能够更好地应用深度神经网络学习三维模型的空间特征,获得更好的三维模型分割效果,提出面向三维模型分割的边界感知点云神经网络.首先,采用边界感知的网格点云化方法,将网格分割问题转化成点云标记问题;然后,利用数据切片方法对转化而来的点云数据进行重采样;最后,利用不同大小卷积核的滤波器提取点云数据的空间特征,并将点云标记的结果对应到原网格模型,得到三维模型分割的结果.在ShapeNetCore数据库上的实验结果表明,该方法不仅能够明显地提高分割的准确率,而且具有边界感知的特性,能够有效地避免过分割现象.

关键词：网格分割、点云标记、重心提取、深度学习

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61432003,61772149,61672547

在线出版日期：2020-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：147-155