特征提取:把每一个点转换成vector特征,维度相同。
点云的backbone:Pointnet 处理点云数据。
PointNet总结:
点的无序性——>模型要有置换不变性
hidden layer作用:先上升维度再做max操作
总体结构:分别对单个点进行特征提取——>再在hiddenlayer做max操作
Pointnet++:增加局部特征信息
将点分为聚类(cluster)并对各个聚类进行特征提取
过程:
1.维度变换:batch_size*n_points*n_sample*n_features
2.卷积操作
3.4D->3D batch_size*n_points*features 每个sample对应16个点,1个特征
4.继续卷积+分组
-采样中心点
-每次采样分组卷积得到-》batch*中心点*特征
-执行拼接操作
从1024-》128
进行分割任务:需要执行上采样操作,从128到1024
原因:分割任务需要得到每个点的特征
Pointnet++缺点:容易受样本点个数的影响
改进方法:MSG(multi-scale grouping) MRG(multi-res grouping)
多半径特征拼接不同特征,跨层提取不同特征