点云从入门到精通技术详解100篇-基于卷积和注意力机制的3D点云特征提取

目录

知识储备

点云获取技术分类

一、图像衍生点云

二、LiDAR

三、RGB-D 深度图像传感器

基于3D激光slam的点云特征提取

为什么要进行点云特征提取

特征提取理论与代码编写

点云特征提取

主体类

sample_and_group

farthest_point_sample

query_ball_point

index_points

前言

国内外研究现状

 卷积神经网络

三维卷积神经网络

稀疏卷积[21]

基于3D点云数据的目标分类任务

基于Transformer[12]的点云特征提取

神经网络归一化策略

基于3D点云的语义分割任务[45]

基于3D点云的实例分割任务

基于3D点云的目标检测任务[73], [74]

2 相关理论和方法

2.1 引言

2.2 卷积和注意力机制

2.2.1 卷积

2.2.2 注意力机制

2.3 点云

3 基于密度表征的点云特征提取探究

 3.1 研究方法

3.1.1 点云和体素之间的区别

3.1.2 基于密度的3D卷积

3.1.4 基于密度特征表示的重采样方法

---

---

本文篇幅较长，分为上下两篇，下篇详见基于卷积和注意力机制的3D点云特征提取（续）

知识储备

点云获取技术分类

（1）根据图像衍生而得，比如通过双目相机，

（2）基于光探测距离和测距系统比如lidar,

（3）基于RGB-D相机获取