基于深度学习的点云语义分割发展年表
点云获取方式:Lidar激光探测、通过3D模型计算获取点云、通过2D图像进行3D重建
体素的特点:体素擅长表示非均匀填充的规则采样空间,因此,体素可以有效地表示点云数据有很多空的或均匀填充的空间。通过对点云数据进行体素化,有利于提高数据计算效率,减少对随机存储器的访问,但点云数据体素化不可避免地会带来一定程度的信息损失
点云数据的存储形式
最大区别在于使用ASCII还是二进制
Obj:obj格式的点云文件由Wavefront Technologies开发。它是一个文本文件。它是一种简单的数据格式,仅表示3D数据的几何、法线、颜色和纹理信息。这种格式通常以ASCII表示,但也有专有的obj二进制版本
Las:las格式主要用于存储Lidar点云数据,本质上是一种二进制格式文件。 Las文件由三部分组成:头文件区(包括点总数、数据范围、每个点的维度信息)、变长记录区(包括坐标系、额外维度等)、点集记录区域(包括点坐标信息、R、G、B信息、分类信息、强度信息等)
Ply:ply的全称是Polygon File Format,专门用于存储3D数据。Ply使用名义上平坦的多边形列表来表示对象,可以存储包括颜色、透明度、表面法向量、纹理坐标和数据置信度等信息。该文件有两个版本:ASCII版本和二进制版本
E57:E57 是用于点云存储的供应商中立文件格式。它还可用于存储由激光扫描仪和其他 3D 成像系统生成的图像和元数据信息
PCD:PCD是点云库官方指定格式。 它由两部分组成:头文件和点云数据。用于描述点云的整体信息。它有两种数据存储类型,ASCII和二进制,但PCD文件的头文件必须使用ASCII编码,PCD 的一个很好的好处是它可以很好地适应PCL,从而与PCL应用程序相比具有最高的性能
直接-特征聚合的详细划分-局部特征聚合和全局特征聚合
之前《A Review of Deep Learning-Based Semantic Segmentation for Point Cloud》里面提到的直接分割里所有的全都是局部特征聚合,只不过在局部里的细分方法不同
Point Transformer:点云直接作为Transformer的输入,提取全局特征并用SortNet提取局部特征并根据感兴趣程度进行排序,之后将两特征关联起来
各点云算法在不同数据集上的准确率表现: