基于改进PointNet++的大规模猪体点云部位分割

PointNet++点云分割网络能直接处理点云并有良好的分类和分割效果，然而对于自由运动状态下获取的大型牲畜点云，存在较大姿态差异，PointNet++无法难以直接捕捉其局部特征，对牲畜体点云各部位分割效果不佳。针对此问题论文采用Octree结构改进了PointNet++集合抽象层中的分组与采样层，使得网络能够更好地捕捉目标点云的非刚性变化，充分提取不同层次下的局部信息，实现对大规模牲畜点云数据的自动分割。采用Octree改进的PointNet++模型分割活体猪点云数据的头部、耳朵、尾部、躯体和四腿。实验表明，500组猪体点云数据，采用320组不同姿态下的猪体点云进行网络训练，180组分割测试结果的平均mIoU达到了88.06%,OA达到了96.57%。