面向深度学习的点云数据增强研究进展：综述

深度学习（DL）已成为点云检测、分割与分类等分析任务的主流且有效的方法之一。为减少深度学习模型训练过程中的过拟合并提升模型性能，尤其在训练数据的数量和/或多样性有限时，数据增强通常至关重要。尽管各种点云数据增强方法已广泛应用于不同的点云处理任务，但目前尚无已发表的关于这些方法的系统性综述或回顾。因此，本文对这些方法进行了调研，将其归类为一个包含基础与专用点云数据增强方法的分类框架。通过对这些增强方法的全面评估，本文指出了它们的潜力与局限，为选择合适的增强方法提供了有益参考。此外，还给出了未来研究的潜在方向。本综述有助于提供点云数据增强当前状态的全局概览，促进其更广泛的应用与发展。