【点云系列】PointGrid: A Deep Network for 3D Shape Understanding

PointGrid是一种结合3D形状稀疏点云和occupancy grid的深度学习网络,旨在解决3D形状表示的空间效率问题。通过量化策略,PointGrid在网络中用于分类和分割任务,实验表明在32×32×32的网格尺寸下取得良好效果,且K值的适当增加能提升性能。该方法简单而有效,是对传统3D形状理解的创新贡献。
摘要由CSDN通过智能技术生成

1 概要

题目:PointGrid: A Deep Network for 3D Shape Understanding
论文:https://openaccess.thecvf.com/content_cvpr_2018/papers/Le_PointGrid_A_Deep_CVPR_2018_paper.pdf
代码:https://github.com/trucleduc/PointGrid

2 Motivation

简单点云过于稀疏,occupancy grid密集表达信息冗余,空间耗费较大;
因此提出来混合3D形状表达,也即量化版的occupancy grid。如下图所示:
在这里插入图片描述

3 思想

主要是借鉴了点云里的均匀量化来解决点云太多浪费空间的情况,选取了量化步长以及每个网格里的点数。
在这里插入图片描述

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值