基于PointCloudTransformer和优化集成学习的三维点云分类

作     者：于喜俊 段勇 Yu Xijun;Duan Yong

作者机构：沈阳工业大学信息科学与工程学院沈阳110870 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2024年第38卷第6期

页      面：143-153页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：辽宁省高等学校优秀科技人才支持计划(LR15045) 辽宁省教育厅科学研究经费面上项目(LJKZ0139)资助 

主　　题：三维点云分类 深度学习 集成学习 白鲸优化算法 多目标优化 

摘      要：针对三维点云的不规则性和无序性所导致的难于提取特征并进行分类的问题,提出了一种融合深度学习和集成学习的三维点云分类方法。首先,训练深度学习点云分类网络PointCloudTransformer,并使用主干网络提取点云特征,进而训练基分类器,获得基分类器集合;然后,针对集成学习算法设计基分类器选择模型,模型的优化目标为基分类器组合的差异性和平均总体精度。为了降低集成规模,本文基于增强后的白鲸优化算法提出了二元多目标白鲸优化算法,并使用该算法优化基分类器选择模型,获得集成剪枝方案集合;最后,采用多数投票法集成每个基分类器组合在测试集点云特征上的分类结果,获得最优基分类器组合,从而构建基于多目标优化剪枝的集成学习点云分类模型。在点云分类数据集上的实验结果表明,本文方法使用了更小的集成规模,获得了更高的集成精度,能够对多类别三维点云进行准确分类。