港中文提出用于点云卷积的局域展平网络模块FPConv
2020-05-09 15:28
将门创投
关注
上图显示了这一模块可以用权重学习取代投影和插值过程。但除此之外，这一模块还需要具备两个特点：首先对于不同无序的局域点云需要具备通用的不变性；其次需要针对不同的几何输入具有自适应性，以解决投影过程同时与局域坐标和局部的全局特征相关的问题。
所以研究人员首先利用pointnet抽取了局域的全局特征、使其具有针对局部的不变性；同时将得到的特征与对应点的坐标衔接在一起；最后利用共享的MLP来预测出最终的投影权重。上图中的左半部分详尽地描述了这一过程。在投影权重得到后，将特征投影到2D平面上就可以利用2D卷积来进行处理。为了抽取局域特征，全局卷积和池化将作用于最后两层。
但栅格平面上特征的强度不平衡会引起网络不稳定和训练的困难，所以接下来还需要对这一平面上的投影强度进行归一化处理。
其中一种方法是将权重都处以其总和，使得第一维的权重总和为1．为了避免分母为0，这里还使用了softmax的归一化方法。
但由于点云具有天然的稀疏性，所以将投影权重归一化为稠密栅格并不是最优的选择，所以研究人员设计了一种两步走的方法在保留稀疏性的同时实现栅格化。
首先将权重矩阵的第二个维度i进行归一化，以均衡区域内不同点间的不平衡；
而后再对权重矩阵的第二个维度j进行归一化，以便对每一个位置接收到的强度进行平衡。但这里利用的方法来维持连续的稀疏性（取1和每一列和间的最大值）。
连续稀疏性的示意图如下图所示：
通过以上处理就可以得到更为均匀的特征结果。
分享
声明：
本文由入驻维科号的作者撰写，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
最新活动更多
-
5月8-10日立即报名>> 国际物流解决方案展览会
-
5月22日立即报名>>> OFweek 2024新周期显示技术趋势研讨会
-
6月18日立即报名>> 【线下会议】OFweek 2024（第九届）物联网产业大会
-
即日-8.25立即报名>> OFweek2024中国优·智算力年度评选
-
8月27-29日马上报名>>> 2024（第五届）全球数字经济产业大会暨展览会
-
8月27-29日火热报名>>> 全数会2024中国深圳数字化工业展览会
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论