点云数据

什么是点云数据

点云是点的集合，相较于传统二维图像，点云提供了深度信息，即点云直接提供了三维空间的数据，每一点具有坐标$x,y,z$。

点云数据获取

激光雷达$(LiDAR)$、立体视觉

点云数据特性

• 无序性：点的排列不影响数据本身
• 近密远疏：激光扫描、视角影响
• 非结构化

点云任务

• 点云分割
• 点云补全
• 点云检测
• 分类
• 点云生成
• 点云配准

点云特征

PointNet

基本出发点

由于点云的无序性，端到端$(end-to-end)$模型需要具有置换不变性

$$f(x_1,x_2,...,x_n) = \gamma g(h(x_1),h(x_2),...,h(x_n))$$

即将原始特征$MLP$升维后取最大值作为输出特征，再通过$MLP$进行分类。

没有考虑局部特征融合

PintNet++

基于半径选择局部区域，对区域进行卷积特征提取

最远点采样

$$集合U是点云集合，集合A是已采样的点集合，对于B=U-A，计算b \in B，计算d_b=min(d_{ba})，a \in A，最后采样点c=b', d_{b'}=max(d_b)$$

分组

由于卷积操作需求，需要固定每个簇内点的数量（少则复制最近，多则删除最远）