基于显著点采样的点云数据分类和分割方法

摘要

本发明公开了一种基于显著点采样的点云数据分类和分割方法，提出基于显著点采样的点云数据分类和分割网络，两个网络主干部分由新的显著点采样算法(SPS)和多尺度局部显著特征提取网络(MS‑LSFE)构成，SPS和MS‑LSFE都可以灵活地插入到其它网络中，以辅助采样或特征提取。为了方便调用，本方法将SPS和MS‑LSFE进行封装，形成多尺度显著特征提取模块(MS‑SFE)，实现了性能和参数量的平衡。本发明在标准公开数据集ModelNet40上进行分类试验，确保参数数量只有0.3×106的同时分类精度达到92.42％；在标准公开数据集ShapeNet、S3DIS和Semantic3D上进行分割实验，分别可以达到85.1％、61.8％、65.8％的分割精度。上述分类分割结果在同类工作中处于领先或相当的水平，验证了本方法可行性和有效性。