基于动态图 CNN 利用局部几何结构进行点云去噪与离群点检测
计算机视觉与模式识别
2023-10-24 v2 人工智能
多媒体
摘要
社会的数字化正快速发展以实现数字孪生与元宇宙。尤其是，点云作为一种 3D 空间的媒体格式正受到关注。由于点云数据受测量误差影响而含有噪声与离群点。因此，点云处理需要进行去噪与离群点检测。其中，PointCleanNet 是一种有效的点云去噪与离群点检测方法。然而，它未考虑面片的局部几何结构。我们通过应用基于动态图 CNN 设计的两种图卷积层解决了该问题。实验结果表明，所提方法在表示离群点检测精度的 AUPR 与表示去噪精度的 Chamfer Distance 上均优于传统方法。
引用
@article{arxiv.2310.07376,
title = {Point Cloud Denoising and Outlier Detection with Local Geometric Structure by Dynamic Graph CNN},
author = {Kosuke Nakayama and Hiroto Fukuta and Hiroshi Watanabe},
journal= {arXiv preprint arXiv:2310.07376},
year = {2023}
}
备注
2023 IEEE 12th Global Conference on Consumer Electronics (GCCE 2023)