3D Shape Classification——Point-based Data Indexing based

点云处理——基于数据索引的方法

Octree guided CNN using spherical kernels (CVPR2019)

KdNet

 

在这些方法中，点特征是沿着树从叶节点到根节点分层学习的。根节点的特征代表了整个点云的特征。

代表1： Octree guided CNN using spherical kernels (CVPR2019)

核心思想：利用八叉树将点云规格化，类似于体素化，区别在于不含点的体素不再8等分。至于划分几层，看各自需求。利用这种结构从叶节点逐层抽取特征至根节点，以获取整个点云的特征，并用于分类。

与OctNet的区别：OctNet对点云进行体素化，并以3D体素的方式处理点云，而本文提出的球形卷积核没有这样的约束。其次，本文能够用单个深八叉树学习点云表示，而OctNet使用3个浅树的混合。

核心操作：球卷积

具体过程如下：

代表2： KdNet

 

DGCNN中的KNN操作如果使用kd-tree树查找，k临近点变成1个临近点，则变成Kd-Net。