基于点卷积的点云去噪和分割方法研究.pdfVIP

摘要

摘要

点云作为三维几何表达的重要展现形式，在计算机视觉中占据了不可或缺的地位，

并在众多领域中展现出了巨大的潜能。基于点云模型表示的空间物体成为了科研人员

关注的焦点，如何有效地将点云模型的分割结果与人类直观认知相一致成为了研究者

们广泛关注的前沿课题。尽管人类视觉系统能够轻松地将场景中的物体分割为具有逻

辑意义的组成部分，但对于计算机算法而言，实现快速且准确的点云分割，使其结果

能够贴近人类认知模型，仍是一项极具挑战性的任务。另外，受采集设备的限制及环

境的影响，使得采集到的点云不可避免地存在噪声，给点云的分割、识别等后续处理

和分析带来了挑战。本课题主要围绕点云去噪和分割中的一些关键问题展开研究，具

体研究内容包括以下三个方面：

(1)本课题对目前存在的点云去噪方法进行了比较和分析。首先对点云去噪方法

进行分类，包括基于传统和基于深度学习的方法。然后，对这两类方法进行了细化并

分析。最后，讨论了点云去噪方法的评价指标，以及当前点云去噪面临的挑战和未来

的发展方向。同时，为点云去噪方法的创新和改进提供了启发和思路。

(2)针对当前点云去噪方法存在参数冗余与计算复