基于K-means聚类的三维点云分类

摘要：

针对三维点云分类算法受到点云稀疏性和无序性影响的问题,提出一种改进算法.在点云预处理阶段,对密集的点云进行冗余数据去除,以减少后续计算量;对于稀疏的点云数据则进行三角形插值计算,以使分类更精确.加入K-means聚类分析算法,之后并行通过PointNet网络进行特征提取,该方法可体现点云空间中的点云分布特性.分别在ModelNet10/40上进行三维点云分类实验,并对比不同K值对分类结果的影响.实验结果表明,当K=5时分类准确率最高,其在ModelNet10/40上的准确率分别是94.2％和92.6％.提出的算法性能高于其他对比算法,同时训练时间大大减少.

关键词：K-means聚类分析、三维点云分类、三角形插值

所属期刊栏目：56

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金No.61772351.No.61572076

在线出版日期：2020-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：181-186