文件名称：基于极坐标视图的3D形状分类和检索
文件大小：1.25MB
文件格式：PDF
更新时间：2024-04-24 13:42:40
3D shape classification and retrieval;
本文提出了一种用于分类和检索3D形状的新颖方法。 我们首先提出一种基于极坐标的新策略，该策略通过使用360度投影来有效反映3D形状的内部结构和关键特征。 具体地，将3D形状的点云映射到二维（2D）平面，并且通过点云的最大深度获得极坐标表示。 将3D点云投影到2D平面中使我们能够使用足够的图像数据进行训练，并且该过程还利用了基于图像的方法和基于3D形状的方法。 我们提出了一种卷积神经网络（CNN），该卷积神经网络仅通过使用3D形状的单个极坐标图进行训练，以获得极视图表示（PVR），并实现3D形状的分类和检索。 在标准数据集（例如ModelNet10和ModelNet40）上进行的实验表明，我们的方法在3D形状分类和检索方面优于最新方法。