【点云系列】PointGrid: A Deep Network for 3D Shape Understanding
1 概要
题目:PointGrid: A Deep Network for 3D Shape Understanding
论文:https://openaccess.thecvf.com/content_cvpr_2018/papers/Le_PointGrid_A_Deep_CVPR_2018_paper.pdf
代码:https://github.com/trucleduc/PointGrid
2 Motivation
简单点云过于稀疏,occupancy grid密集表达信息冗余,空间耗费较大;
因此提出来混合3D形状表达,也即量化版的occupancy grid。如下图所示:
3 思想
主要是借鉴了点云里的均匀量化来解决点云太多浪费空间的情况,选取了量化步长以及每个网格里的点数。
4 算法
主要是选用了量化,然后用在了两个任务上:分类和分割。
因为关注在PointGrid上,所以后面就不列出来了;
5 实验结果
效果在当时看来还是不错的,且网格大小反到是在
32
×
32
×
32
32\times 32\times 32
32×32×32表现较好,并不是越小越好;且K取值的增加一定程度上能够增加表现效果,但是K=1也不赖。
6 结论及思考
传统指引,一个很简单的部分可以用到深度学习里就是一个亮点;
简单,有效,好过复杂难用;