目录 知识储备 点云获取技术分类 一、图像衍生点云 二、LiDAR 三、RGB-D 深度图像传感器 基于3D激光slam的点云特征提取 为什么要进行点云特征提取 特征提取理论与代码编写 点云特征提取 主体类 sample_and_group farthest_point_sample query_ball_point index_points 前言 国内外研究现状 卷积神经网络 三维卷积神经网络 稀疏卷积[21] 基于3D点云数据的目标分类任务 基于Transformer[12]的点云特征提取 神经网络归一化策略 基于3D点云的语义分割任务[45] 基于3D点云的实例分割任务 基于3D点云的目标检测任务[73], [74] 2 相关理论和方法 2.1 引言 2.2 卷积和注意力机制 2.2.1 卷积 2.2.2 注意力机制 2.3 点云 3 基于密度表征的点云特征提取探究 3.1 研究方法 3.1.1 点云和体素之间的区别 3.1.2 基于密度的3D卷积 3.1.4 基于密度特征表示的重采样方法 本文篇幅较长,分为上下两篇,下篇详见基于卷积和注意力机制的3D点云特征提取(续) 知识储备 点云获取技术分类 (1)根据图像衍生而得,比如通过双目相机, (2)基于光探测距离和测距系统比如lidar, (3)基于RGB-D相机获取