目录 前言 点云对抗攻击国内外研究现状 三维点云数据分类 点云对抗攻击 点云对抗防御 2 相关理论基础 2.1 点云数据 2.1.1 点云数据的获取 2.1.2 点云的无序性 2.1.3 点云的点稀疏不均性 2.1.4 点云的几何不变性 2.2 点云深度学习基础 2.2.1 多层感知机 2.2.2 卷积神经网络 2.2.3 Dropout 层 2.2.4 批归一化层 2.2.5 深度学习优化算法 Adam 2.3 点云自编码器 2.4 基于深度学习的典型点云分类网络 2.4.1 PointNet 网络 2.4.2 DGCNN 网络 2.4.3 PointConv 网络 3参数平面与点云流形映射 3.1 几何流形 3.2 基于流形自编码器的参数平面与点云流形映射 3.2.1 算法设计 3.2.2 网络结构 3.2.3 损失函数 3.3 实验与分析 3.3.1 训练细节 3.3.2 数据集 3.3.3 重构可视化 本文篇幅较长,分为上下两篇,下篇详见基于参数平面拉伸的点云流形攻击(续) 前言 近年来,随着激光雷达、深度相机等三维传感器的成本逐渐降低,三维数据在虚拟 现实技术、自动驾驶与机器人等领域的应用越来越广泛。三维物体的表示有多种方法, 常见的有多视图组合、网格、体素和点云。除