目录 前言 三维点云分类模型研究现状 基于多视图的方法 基于体素的方法 基于点的方法 深度学习与点云分类的基础理论 2.1 神经网络技术 2.1.1 多层感知机 2.1.2 卷积神经网络 2.1.3 损失函数 2.1.4 正则化 2.1.5 批量归一化 2.1.6 优化算法 2.2 点云数据特性 2.2.1 置换不变性 2.2.2 几何不变性 2.2.3 非结构性 基于位置关系加权的动态图卷积 3.1 点云分类问题及解决方案 3.2 手工特征提取 3.3 PointNet 特征提取及分类 3.3.1 PointNet 特征提取 本文篇幅较长,分为上下两篇,下篇详见基于改进动态图卷积的点云分类模型(续) 前言 随着三维数据采集技术的快速发展,各种类型的 3D 扫描仪、激光雷达和 RGB-D 相机等三维数据传感器的可用性越来越高,三维数据的获取成本大幅下降