点云能量预测：KPConv点云输入方式

KPConv点云输入方式

在KPconv中，有两种数据输入方式。一种是随机输入，一种是基于能量的输入方式。本文将介绍基于能量的输入方式，其类似一种泊松环的点云处理方式。

使用的实例数据集是isprs vaihingen3d 数据集

1. 其主要是通过将原始点云O进行格网降采样为点云集合S，在点云S再次降采样为点云集合E，点云集合E的属性除了XYZ外还有能量值,每个点随机赋予0-0.001。
2. 对点云S建立KD树。
3. 针对E点云每次以E中能量最低的点，并加噪声偏移，以R为半径(isprs vaihingen15米)获取其内的点云集合e_sub；
4. 将点云e_sub按球心坐标进行归一化，距离球心距离为r；
5. 对e_sub集合中每个点E(i)的能量值进行累加能量值：E(i)+=（1-（r(i)/R）²⁾2
6. 通过球心、借助采样点云S的Kdtree寻找在R半径内的点云集合s_sub;
7. 将s_sub输入网络进行预测，但只保留更小球体（添加MASK）的点集预测结果：ratio*R eg.ratio=0.75
8. 针对点云S的每一个点S(i)的预测结果，进行历史累加，E(i)=smooth*E(i)+(1-smooth)*E_new(i) smooth=0.95
9. 选取E能量最低的点，循环上述操作，直至整个能量点集E中的最小值E(i)> 0.5停止
10. 此时第一次采样点云S已经有预测结果，若想得到更稳妥的结果，可以控制E(i)的最小值阈值
11. 将原始点云O通过采样后点云集合S的KD树，寻找最近的标签赋予O。