点云数据增强,顾名思义,是一种数据增强方式,也常常作为一种检测模型鲁棒性的方法。总结一下有以下几种方式:旋转,加噪声,降采样,不同程度的遮挡等
- 降采样
在论文中常使用最远点采样和随机采样,功能实现简单,具体体现在PointNet等代码中只是一个超参数。 - 高斯噪音
- 延坐标旋转
高斯噪音和旋转的代码参考博客:点云 数据增强(Data Augmentation):方法与python代码 - 增加离群点
通常对实际场景中的点需要进行离群点滤波,用来训练模型,但是,增加离群点反而可以测试模型的鲁棒性。
点云数据增强,顾名思义,是一种数据增强方式,也常常作为一种检测模型鲁棒性的方法。总结一下有以下几种方式:旋转,加噪声,降采样,不同程度的遮挡等