3D点云算法PointNet++中最远点采样源码实现及详解

最新推荐文章于 2025-10-14 17:29:18 发布
原创 最新推荐文章于 2025-10-14 17:29:18 发布 · 1.4k 阅读 · 13
标签
#算法 #人工智能 #3d
本文详细介绍了PointNet++中采用的最远点采样（Farthest Point Sampling, FPS）方法，用于特征提取。该方法通过不断选取当前批次中与已选点最远的点作为新的采样点，直至达到预设的采样点数。在给定的代码示例中，可以看到FPS的实现过程，包括随机选取初始点，计算距离，更新距离矩阵，并找出新的最远点，不断迭代完成采样。这种方法在3D点云处理中起到关键作用，确保了采样的代表性。

在PointNet++中，特征提取的采样点是通过最远点采样法得到的。其基本思想就是：

①首先随机取一个点a，然后遍历其余剩余的点，计算与a的距离，得到最远距离点b;

②遍历剩余点与a,b的距离，得到距离最远的点c；

③重复执行以上，直到取够设定点的个数。

具体可举例，下图展示的是一个batch中的计算过程，程序中8个batch同时进行的。

 

 ①随机选取中心点A，建立距离分布图distance并赋很大的值；

②分别计算A点到B、C、D、E点距离，得到A_Dis；将A_Dis与distance比较，如果Dis中存在小于distance中的值，就将其更新到distance中；然后根据新的distance图，获得最大距离值的点D；

③以D点为中心点，计算与其他点的位置，得到D_Dis；将D_Dis与distance比较，如果Dis中存在小于distance中的值，就将其更新到distance中；然后根据新的distance图，获得最大距离值的点E；

④重复以上循环，得到中心点B,C。

其程序及详解可参考源码。

def farthest_point_sample(xyz, npoint):
    """
    Input:
        xyz: pointcloud data, [B, N, 3],如batch=8,输入点N=1024，位置信息xyz=3
        npoint: numb
最低0.47元/天 解锁文章
最远点采样(Farthest Point Sampling,FPS)算法详解
weixin_60737527的博客
10-20 1万+
FPS算法详解
FPS（最远点采样算法）原理与代码详解
tyyovo的博客
07-19 6764
最远点采样的原理说明与代码解析
最远点采样(Farthest Point Sampling)
Bacon_Lee的博客
06-02 4065
简介 以下我们将最远点采样(Farthest Point Sampling)简记为FPS。这种采样方法我觉得非常有趣。个人觉得比随机采样得到的数据能够表现更多的“轮廓性”，其次用的数据集也不像随机采样那么多。首先我们来介绍FPS的算法原理。 算法原理 1. 点与集合的距离 假设S={x1,⋯ ,xN}⊂RnS=\left\{x_1,\cdots,x_N\right\}\subset \mathbb{R}^nS={x1​,⋯,xN​}⊂Rn 中的一个有限点集合。一般情况，这里的nnn等于1，2, 3。点与点的
PointNet++点云处理精讲(PyTorch)
08-11
三维点云是物理世界的三维数据表达形式，其应用日益广泛，如自动驾驶、AR/VR、FaceID等。PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。作为点云处理深度学习方法的里程碑工作，启发了很多后续研究。本课程对PyTorch版的PointNet++进行原理讲解、论文复现和代码详解。包括：  （1）提供三维点云物体分类数据集ModelNet40、物体部件分割数据集ShapeNet和场景分割数据集S3DIS的下载、可视化软件和方法；（2）在Ubuntu系统上演示使用PointNet++进行三维点云的物体分类、部件分割和场景语义分割的训练和测试；（3）详解PointNet++的原理、程序代码和实现细节，并使用PyCharm进行Debug调试代码和单步跟踪。需要学习TensorFlow版PointNet++的学员可前往本人推出了课程《PointNet++点云处理TensorFlow版》
深度学习-3D点云实战系列
07-13
深度学习3D点云实战系列课程旨在帮助同学们快速掌握点云数据处理，特征提取与建模应用。通俗讲解点云领域各大方向应用与核心算法，基于论文讲解Pointnet系列算法知识点并详解其网络模型架构。所有算法均配套实战项目，内容主要包括poinenet系列点云分类与分割，点云补全，点云配准等项目，全部基于实际数据集进行源码解读。整体风格通俗易懂，提供全部数据与代码。 
3D点云深度学习框架PointNet、PointNet++详解
weixin_45761030的博客
03-13 5187
PointNet、PointNet++架构详细解读，实战演练，点云深度学习框架不再困难
3D点云-Pointnet++模型解读（附源码+论文）
小西几的博客
12-04 1万+
（关键部分代码注释详细，参考（源码基于TensorFlow）（分类任务）（部位分割任务）（语义分割任务）给大家先看一下数据集，这是一个3D点云的飞机，应该能看出来吧。它是由很多个点组成的3维数据，与平时图像、视频这些2D数据不一样。这张图大家应该能感受到点云的无序性。点x1与点x2互换了位置，对数据没有任何影响，点的排列顺序不影响其几何结构。我们再看一下部位分割任务的数据。应该能看出来是把枪吧，我给倒过来了，因为蓝色和背景重在一起看不清。不同的颜色代表不同的位置。可以看一下数据的组成。
人工智能3d点云之Pointnet++项目实战源码解读(点云分类与分割)
weixin_58351028的博客
02-17 1283
返回结果回去，至此query_ball_point方法结束，它每一行表示簇(例512)，一簇有16个点，batchsize=8,所以它的shape就是8*512*16，这个矩阵中的值都是ID值来的,不是实际的值。上图中就是把与确定点最近的点的坐标更新到更新表(distance)中了,那未更新到的点还是保持比较大的。上面返回的cls是类别,相当于标签(Y)。上图中max是指选出某个维度中的最大值,本例中指定的是2,所以它就是说对在簇中的所有点(例16个)中取最大的一个出来就行了,类似做了下采样。
PointNet++分类与分割详解
weixin_41202834的博客
04-22 7029
前言 PointNet++是一个用于对不规则形状的点云数据进行分类和分割任务的深度神经网络。相对于传统的基于网格的3D数据表示方法，点云数据更易于获取和处理。PointNet++的另一个优势是它引入了多尺度层次结构，可以处理更为复杂的点云数据。相比于第一版的PointNet网络作者提出了许多新的想法，也取得了很不错的效果。PointNet算法存在的问题（1）一幅点云图像点数量太多，这会...
farthest point sampling - FPS - 最远点采样详解 - 附代码实现
晨的博客
03-10 4600
远点采样（Farthest Point Sampling，FPS）算法是一种在数据点集中有效选择代表性样本点的方法，广泛应用于计算机图形学、机器学习和点云处理等领域。该算法通过迭代方式选取点集中彼此距离最远的点，确保选出的样本点覆盖范围广泛，有效捕捉到数据集的整体结构特征。FPS算法开始时随机选择一个起始点，然后在每次迭代中，选取到当前已选点集距离最远的点作为新的样本点，直至达到预定的样本数量。此方法不仅提高了数据处理的效率，减少了计算负担，还能在进行点云简化、网格重建、特征提取等操作时，保留重要的几何信
最远点采样 — D-FPS与F-FPS
叶子的博客
07-29 6877
点云最远点采样FPS(FarthestPointSampling)方法的优势是可以尽可能多地覆盖到全部点云，但是需要多次计算全部距离，因而属于复杂度较高的、耗时较多的采样方法。
3D目标检测（一）—— 基于Point-Based方法的PointNet点云处理系列
lzzzzzzm的博客
02-20 7225
在3D目标检测中，可以大致分为基于图像、基于点云和基于多模态融合的三种方法。而基于点云处理的3D目标检测中，如何有效处理点云数据信息是其中的重点。常见的处理点云的方法有两种，一种为将无序的点云处理成有规则的体素或者柱体（voxel or pillar）等来进行处理，被称为Voxel-Based，另一种则是直接在原始点云上进行操作的Point-Based方法。本文主要介绍如何Point-Based中的经典网络PointNet，PointNet++和其发展PointNeXt。零、网络使用算法。
PointNet++论文复现（二）【最远点采样-球查询-采样和分组 代码详解】
晨的博客
03-24 1315
PointNet++论文复现（二）【最远点采样-球查询-采样和分组 代码详解】
Farthest Point Sampling (FPS) 最远点采样原理详解
最新发布
fanstering的博客
10-14 983
FPS最远点采样是一种高效的点云采样算法，采用贪心策略每次选择离已选点最远的点，确保采样均匀分布。其时间复杂度为O(N·K)，在几何保留和计算效率间取得平衡，广泛应用于点云简化、三维重建等领域。尽管对噪声敏感且依赖初始点选择，其改进算法如Adaptive FPS和Fast FPS进一步优化了性能。FPS通过简单有效的策略解决了点云冗余与关键信息保留的矛盾，成为三维处理领域的基础工具。
点云最远点采样（Python）
fun_always的博客
03-23 4378
最远点采样（FPS）可以设置采样的点数，比起网格采样等方法更加实用，被应用在点云处理方法中（例如PointNet++）。缺点是每次要计算两个集合中所有点的相对距离，计算量较大。但实际上，采取矩阵运算的实现方式，计算速率也能接受。 下面是FPS的Python实现，主要包括计算索引和映射点两步骤，度量使用欧式距离。 def FarthestPointSampling_ForBatch(xyz, npoint): B, N, C = xyz.shape centroids = np.zer
计算机视觉知识点整理：PointNet++之最远点采样（farthest point sample, FPS）代码理解
景墨轩
09-21 3163
# farthest_point_sample函数完成最远点采样： # 从一个输入点云中按照所需要的点的个数npoint采样出足够多的点， # 并且点与点之间的距离要足够远。 # 返回结果是npoint个采样点在原始点云中的索引。 def farthest_point_sample(xyz, npoint): """ Input: xyz: pointcloud data, [B, N, 3] npoint: number of samples Ret
最远点采样(Farthest Point Sampling)介绍
热门推荐
dsoftware的博客
07-07 2万+
最远点采样(Farthest Point Sampling)是一种非常常用的采样算法，由于能够保证对样本的均匀采样，被广泛使用，像3D点云深度学习框架中的PointNet++对样本点进行FPS采样再聚类作为感受野，3D目标检测网络VoteNet对投票得到的散乱点进行FPS采样再进行聚类，6D位姿估计算法PVN3D中用于选择物体的8个特征点进行投票并计算位姿。 对于FPS算法的原理，两篇博文：PointNet++的pytorch实现代码阅读，以及 PointNet++详解与代码 已经介绍的非常详细了，一句话概
关于点云数据最远点采样的方法分析
琴的博客
03-31 914
PointNet++中的最远点采样方法分析
ChatGPT生成点云算法笔试题
zhangruijerry的博客
02-15 517
试一试用ChatGPT来出算法笔试题，一开始ChatGPT还不想给，再追问之下又给了。
点云配准算法---ICP（迭代最近邻点）详解 附C++代码
McQueen_LT的博客
06-08 1万+
一、概述 现在是2021.6.2晚21:24，闲着也是闲着，写个ICP吧，再从头到尾思考一遍，做一个详细的记录。ICP算法是一种点云配准时常用的方法，它是一种细配准方法，通常在配准时要配合其他粗配准方法进行使用，先将两帧差异非常大的点云进行粗配准，得到初步具有重合部分的点云，然后再利用ICP将其进一步配准，使得重合区域最大。 二、ICP思想步骤 ICP：Iterative Closest Point，顾名思义，这是一种迭代的思想。通过不断地迭代，每次在前一次的计算结果之上再计算出新的变换矩阵，最终当迭代次数
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值