點云PCL免費知識星球，點云論文速讀。

標題：Learning to Optimally Segment Point Clouds

作者：Peiyun Hu, David Held

星球ID：particle

歡迎各位加入免費知識星球，獲取PDF論文，歡迎轉發朋友圈分享快樂。

●論文摘要

我們提出了一種將圖論搜索與數據驅動的學習相結合的方法：在一組候選分割中搜索綜合目標性（objectness）評分較高的候選分割。我們證明了，如果根據分割中最低的目標性對分割進行評分，那么就有一種有效的算法可以在成倍數量的候選分割中找到最優的最壞情況分割。此外，我們還針對平均情況提出了一種有效的算法。為了進行評估，我們將KITTI 3D檢測重新用作分割基準，并通過經驗證明了我們的算法在分割點云上的性能明顯優于過去的自下而上的分割方法和自上而下的基于對象的算法。

●主要貢獻

? 利用幾何約束減少候選分割的數量，并構建樹結構

? 利用樹結構進行最優分割搜索，提出可應用動態規劃的高效搜索算法

文章使用KITTI作為實驗數據集，點云分割和點云實例分割的結果如下圖 TABLE I 和 TABLE II 所示：本文提出的方法與 SECOND++ 相比在 car 等常見分類中表現更差，但是在 misc 等少見分類中表現更佳。

●論文圖集

總結

以上是生活随笔為你收集整理的【点云论文速读】最佳点云分割分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。