基于PointNet的图卷积与KNN搜索的点云零件级分割方法

摘要

本发明公开了基于PointNet的图卷积与KNN搜索的点云零件级分割方法，首先，通过一个微型网络T‑Net保证点云旋转不变性；然后，计算每两两点对之间的欧氏距离，选取距离最近的k个点，以点pi为中心点构造k近邻域图来提取局部特征，在后续的模型训练中，对每一层动态更新k邻域图，得到局部特征信息；接下来，通过设计新的T‑Net微型网络对齐不同点云局部特征数据；最后，将输出的多层局部特征与全局特征进行拼接，再通过多个MLP操作，得到三维点云物体的零件级分割结果，本发明能够提高三维点云物体的零件级分割精度。