基于深度学习的抗噪声点云识别网络设计

摘要

为了提高点云识别网络的抗噪声能力,降低神经网络在空间模型运算中对处理器的压力,设计一款轻量且具备抗噪声能力的点云识别网络.新的网络通过引入点云库技术,在多层感知机输入数据前添加了随机采样模块和近邻统计高斯滤噪模块,有效滤除复杂点云场景中的离群点.通过优化多层感知模块与全连接模块层次结构,减少网络冗余参数.实验证明:在模型识别准确率维持在84.2％的同时,相较于7种同类型网络,本网络对数据中的随机噪声具有较强的鲁棒性,并具有更快的识别速度.