基于轻量级网络LightPointNet的实时点云模型分类方法

摘要

本发明公开了一种基于轻量级网络LightPointNet的实时点云模型分类方法，包括步骤：S1、分析深度卷积神经网络结构特点，根据应用需求设计轻量级实时点云网络LightPointNet，所述轻量级实时点云网络LightPointNet至少包含输入层、卷积层、全连接层和输出层，其中卷积层的最后一层包含一个池化层，在最后一个卷积层进行卷积的每个特征通道中采用最大池化，用于生成特征值；S2、输入数据，通过三层卷积层，对数据进行卷积，得到最后的特征值；S3、将得到的特征值输入到全连接层进行分类；S4、利用S3的分类操作，得到最后的分类准确率。本发明具有网络层数少、参数少、处理速度快、分类性能佳等优点。