研究目的
研究三维点云中多尺度邻域新定义在语义分类任务中的有效性。
研究成果
基于球形邻域提出的多尺度特征在语义分类任务中优于最先进的特征表示,并能与包括深度学习方法在内的更复杂分类方案相媲美。该方法在不同数据集和环境中的表现具有一致性。
研究不足
多尺度邻域的计算时间可能较高,且该方法的性能可能随点云密度而变化。
研究目的
研究三维点云中多尺度邻域新定义在语义分类任务中的有效性。
研究成果
基于球形邻域提出的多尺度特征在语义分类任务中优于最先进的特征表示,并能与包括深度学习方法在内的更复杂分类方案相媲美。该方法在不同数据集和环境中的表现具有一致性。
研究不足
多尺度邻域的计算时间可能较高,且该方法的性能可能随点云密度而变化。
加载中....
您正在对论文“[IEEE 2018国际三维视觉会议(3DV) - 维罗纳(2018.9.5-2018.9.8)] 2018年国际三维视觉会议(3DV) - 基于多尺度球形邻域的三维点云语义分类”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期