点云从入门到精通技术详解100篇-基于深度学习的语义分割与室内稠密点云地图研究（续）

目录

3.2稠密点云地图的预处理

3.2.1 基于密度的点云离群点去除

3.2.2 基于超体素聚类的点云地图预分割

3.3实验结果与分析

3.3.1 稠密地图的构建与预处理

3.3.2 预分割点云地图的实现

4基于图卷积神经网络的三维点云语义分割

4.1图卷积神经网络原理

4.1.1 点云数据结构特点

4.1.2 图卷积神经网络原理

4.1.3 DeepGCNs 网络结构

4.2基于双通道注意力融合的 DeepGCNs-Att

4.2.1 注意力机制

4.2.2 基于双通道注意力融合的预测模块

4.3实验结果与分析

4.3.1 数据集与硬件配置

4.3.2 训练参数设置

4.3.3 时间与空间复杂度分析

4.3.4 对比实验与分析

5基于马尔科夫随机场的点云语义分割优化

5.1点云降采样算法分类

5.1.1 最远点降采样算法

5.1.2 八叉树降采样算法

5.2基于点云曲率的马尔可夫随机场优化

5.2.1 马尔可夫随机场基本概念

5.2.2 马尔可夫随机场优化算法

5.3实验结果与分析

5.3.1 硬件环境配置

5.3.2 点云降采样性能分析

5.3.3 马尔可夫随机场优化结果分析

---

本文篇幅较长，分为上下两篇，上篇详见 基于深度学习的语义分割与室内稠密点云地图研究

3.2稠密点云地图的预处理

在上节中，由无人机构建的稠密点云地图包含了大量的孤立点，所以首先需要对点云集