基于语义信息补偿全局特征的物体点云分类分割.docx

0.?? 引　言 近年来，3D模型成像技术发展非常迅速，数据获取更加便捷。点云是3D模型数据中一种重要的表现形式，包含着大量的空间几何信息，使模型的描述更加直观和准确。3D点云处理技术已广泛应用于智能车辆、模型重构、医学成像和遥感测绘等领域，成为计算机视觉和图形学领域的重要研究项目。因此，对3D点云数据处理显得至关重要。 传统点云处理方法主要通过手工设计几何形状[1]描述符或签名描述符[2]对特征进行提取。手工设计的描述符效果较差，导致提取到的特征数量变少，进而影响最终的实验结果。近年来，深度学习3D点云算法[3-4]以处理数据量大等优势受到学者们的广泛关注。由于点云数据的稀疏性、非结构性和无