主要内容

开始使用pointnet++

pointnet++是一种流行的用于无组织激光雷达点云语义分割的神经网络。语义分割将3-D点云中的每个点与一个类别标签关联起来，例如汽车、卡车、地面或植被。

pointnet++网络将输入点划分为一组簇，然后使用多层感知器(MLP)网络提取特征。该网络在嵌套的、分区的输入上递归地应用PointNet来提取多尺度特征，以进行准确的语义分割。

使用pointnet++网络进行分割

pointnet++的应用包括:

  • 数字林业应用的树木分割。

  • 从航空激光雷达数据中提取数字地形模型。

  • 机器人室内导航的感知。

  • 利用航空激光雷达数据建立三维城市模型。

PointNet + +网络

pointnet++网络包含一个带有集合抽象模块的编码器和一个带有特征传播模块的解码器。

集合抽象模块处理并提取一组点，以生成一个包含更少元素的新集合。每个集合抽象模块包含一个采样和分组层，然后是一个迷你点网网络。

  • 采样分组层通过识别局部区域的质心来进行采样。然后通过构造质心周围相邻点的局部区域集来进行分组。

  • mini-PointNet网络包含一个共享的MLP网络，该网络具有一系列卷积、归一化、relu层，然后是最大池化层。它将局部区域模式编码为特征向量。

特征传播模块对子采样点进行插值，然后将它们与集合抽象模块中的点特征连接起来。然后，网络将这些特征通过单位PointNet网络传递。

PointNet + +网络

该网络中集合抽象模块的采样分组层和特征传播模块的插补层采用functionLayer(深度学习工具箱)函数。

创建pointnet++网络

使用pointnetplusLayers函数创建pointnet++网络，用于分割点云数据。

训练pointnet++网络

要了解如何训练pointnet++网络来分割点云数据，请参见基于pointnet++深度学习的航空激光雷达语义分割．

代码生成

要了解如何为pointnet++网络生成CUDA®代码，请参见基于pointnet++深度学习的航空激光雷达语义分割代码生成．

参考文献

[1]齐，查尔斯R.，李毅，苏昊和列奥尼达J.古伯斯。“pointnet++:度量空间中点集上的深度层次特征学习”。ArXiv: 1706.02413 (Cs)2017年6月7日。https://arxiv.org/abs/1706.02413．

[2] Varney, Nina, Vijayan K. Asari和Quinn Graehling。“DALES:用于语义分割的大规模航空激光雷达数据集”。ArXiv:2004.11985 [Cs，统计]2020年4月14日。https://arxiv.org/abs/2004.11985．

另请参阅

应用程序

功能

相关的例子

更多关于