目录 基于 FPN 与 Blending 算法的点云分类方法 4.1 问题分析 4.2 基于 FPN 与 Blending 方法的分类算法 4.2.1 BFNet 总体网络结构 4.2.2 BFNet 基础网络结构 4.2.3 BFNet 特征融合层 4.3 实验结果与分析 4.3.1 3D 对象分类 4.3.2 鲁棒性测试 点云分类系统的设计与实现 5.1 需求分析 5.2 系统整体框架设计和功能设计 5.2.1 系统整体框架设计 5.2.2 用户管理功能设计 5.2.3 数据上传处理功能设计 5.2.4 分类模块设计 5.2.5 数据可视化设计 5.3 系统实现以及展示 5.3.1 Flask 框架 5.3.2 RESTful API 5.3.3 用户管理模块 5.3.4 数据上传与预处理 5.3.5 分类模块 5.3.6 数据与结构可视化实现展示 本文篇幅较长,分为上下两篇,上篇详见 点云多尺度分类网络 基于 FPN 与 Blending 算法的点云分类方法 点云是 3D 计算机视觉的数据表现形式,目前在计算机视觉领域,点云的分类技术是一个 非常前沿的研究。现有的基于深度学习的点云分类方法对局部特征关注度低,因此对点云目 标的特征学习不是非常有效。本章从增强分类网络的鲁棒性出发提出了一种结合特征金字塔