点云从入门到精通技术详解100篇-三维点云数据的补全

目录

前言

深度学习基础

2.1 卷积神经网络

2.1.1 卷积层

2.1.2 池化层

2.1.3 激活函数

2.1.4 全连接层

2.1.5 批归一化层

2.2 残差网络

2.3 生成对抗网络

2.4 PointNet 网络

基于点云卷积编码器的形状补全网络

3.1 问题描述

3.2 网络设计

---

 

前言

近年来，随着三维数据采集相关的硬件设备，如激光扫描仪、深度摄像头等成本

逐渐降低，采集性能逐渐增加，三维数据开始大量涌现，但是在实际应用中由于采集

设备性能和环境的限制，真实扫描到的三维数据通常会因为遮挡、视点不同和噪声干

扰等问题，造成数据的缺失，限制了三维数据在深度学习领域中的运用。例如，在对

三维数据进行分类任务中，若三维数据残缺，会极大的影响到最终的分类效果。因此

如何完善残缺的三维数据成为三维理解任务 (包括三维物体识别，三维数据语义分割，

三维物体检测 ) 中一个