一种基于深度学习的两段式三维面片过分割方法

作者：吴语豪; 李大威^*

来源：东华大学学报(自然科学版), 2023, 49(02): 112-120.

DOI：10.19886/j.cnki.dhdz.2021.0512

• 点云面片分割
• 深度学习
• 模式识别
• 最近邻采样

为解决三维点云面片分割方法参数多、面片数无法固定、泛化性能差的问题，根据二维深度超像素采样方法(superpixel sampling network, SSN)提出一种两段式深度三维面片过分割方法3DFON。方法前段为深度特征提取网络，后段为允许梯度传递的并行点级别迭代聚类算法。利用综合损失函数对进行网络训练。研究表明，该方法在Shapenet Parts数据集上展示了良好的分割效果与泛化能力，与SLIC(simple linear iterative clustering)算法及面片化算法相比，可免调节参数，且在可达成最大分割精度与欠分割误差这两项指标上具有优势。

• 单位
  数字化纺织服装技术教育部工程研究中心; 东华大学