基于K-means聚类的三维点云分类

来源：计算机工程与应用杂志2020年第17期北京时间：

作者：马京晖，潘巍，王茹

单位：首都师范大学 信息工程学院，北京 100048

摘要：针对三维点云分类算法受到点云稀疏性和无序性影响的问题，提出一种改进算法。在点云预处理阶段，对密集的点云进行冗余数据去除，以减少后续计算量；对于稀疏的点云数据则进行三角形插值计算，以使分类更精确。加入K-means聚类分析算法，之后并行通过PointNet网络进行特征提取，该方法可体现点云空间中的点云分布特性。分别在ModelNet10/40上进行三维点云分类实验，并对比不同[K]值对分类结果的影响。实验结果表明，当[K=5]时分类准确率最高，其在ModelNet10/40上的准确率分别是94.2%和92.6%。提出的算法性能高于其他对比算法，同时训练时间大大减少。

关键词：K-means聚类分析,三维点云分类,三角形插值