基于神经网络的3D点云模型识别的方法

针对点云的三维模型识别方法缺乏局部空间特征，从而影响3D模型的类识别的问题，提出一种基于残差模块的卷积神经网络三维模型识别方法。通过引入残差模块，构建深层神经网络增强点云模型的局部信息，提高物体的识别精度。同时，采用了一种获取多尺度局部空间信息的策略，加快了模型的推理能力。实验证明，算法识别准确率达到了91.5%，加快了模型的推理速度，可应用于对点云模型识别有实时性要求的场景，如：流水线上物体的检测等。