基于深度学习的三维点云分析方法研究进展

作者：陈慧娴; 吴一全^*; 张耀

来源：仪器仪表学报, 2023, 44(11): 130-158.

DOI：10.19650/j.cnki.cjsi.J2311134

• 三维点云分析
• 深度学习
• 目标检测
• 分类分割
• 点云配准
• 点云拼接

点云是目前自动驾驶、机器人、遥感、增强现实(AR)、虚拟现实(VR)、电力、建筑等领域最常用的三维数据处理形式，深度学习方法能够处理大型数据，且可自主提取特征，因此点云深度学习方法已逐渐成为研究热点。本文综述了近十年来基于深度学习的三维点云分析方法的研究进展。首先给出了三维点云深度学习的相关概念；然后针对点云目标检测与跟踪、分类分割、配准和匹配以及拼接这4种任务，分别阐述了相应的深度学习方法的原理，分析并比较了各自的优缺点；随后整理了18种点云数据集和4种点云分析任务的性能评价指标，并给出了性能对比结果；最后总结了点云分析方法目前存在的问题，对进一步的研究工作进行了展望。

• 单位
  电子信息工程学院; 南京航空航天大学