计算机辅助设计与图形学学报

作者：刘玉杰, 孙晓瑞, 邵文斌, 李宗民

关键词：点云密度, 膨胀因子, 动态点分组, 动态边缘卷积, 图卷积网络

针对现有主流网络对于点云局部特征提取的能力不足, 以及在特征提取过程中未考虑点云密度的问题, 提出一种密度导向的点云动态图卷积网络. 首先提出点云局部密度指数的概念, 衡量点及其邻域点在相应的空间位置中的密集程度; 然后利用局部密度指数动态赋予每个点一个膨胀因子, 提出密度导向的动态点分组方法对点云构建局部图结构, 对每个局部图结构构造动态边缘卷积模块进行特征的提取与聚合, 既提取了点云的几何特征, 又实现了置换不变性; 最后采用残差网络的思想优化图神经网络的过平滑问题. 实验结果表明, 在分类数据集ModelNet40与ScanObjectNN上, 所提网络的分类准确率分别为93.5%和82.2%; 在分割数据集ShapeNet与S3DIS上, 该网络的平均交并比分别为85.6%和60.4%, 均高于DGCNN等主流网络; 所提网络在多项任务中的精度都得到显著提升, 且在处理密度不均的点云时有较好的鲁棒性, 验证了所提算法的可行性与有效性.

来源：2024年第5期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第5期