目录 3.2 KD-DBSCAN 3.2.1 DBSCAB 聚类算法 3.2.2 KD-Tree 的概述 3.3 实验结果与分析 点云数据的分类任务 4.1 点云的特征提取概述 4.1.1 基于多视图方法 4.1.2 基于体素化方法 4.1.3 基于原始点云的方法 4.2 DGCNN 网络模型概述 4.3 ADGCNN 网络 4.3.1 注意力机制概述 4.3.2 AEdgeConv 结构 4.3.3 ADGCNN 网络结构 4.4 数据标注与预处理 4.4.1 数据标注 4.4.2 数据预处理 4.5 ADGCNN 模型训练 4.6 实验分析 本文篇幅较长,分为上下两篇,上篇详见 面向无人驾驶的三维点云目标检测 3.2 KD-DBSCAN 本文使用结合 kd-tree 数据结构的 DBSCAN 模型对非地面点进行聚类。 kd-tree 基于数据属性构建,临近的点云数据在 kd-tree 中联系更加紧密,通过