文献综述（或调研报告）：
1.点云数据识别任务的发展现状
人脸识别在二维图像上已经发展到了一个较为成熟的水准，但是从三维点云数据中直接识别人脸，却是一项新兴的研究方向。按照特征提取方式分类，三维点云识别方法可以分为基于手动设计提取特征的方法和基于深度学习的方法两种。其中，手动设计特征的方法较为成熟，在一些领域有所应用。而基于深度学习的方法是近年来的研究热点。
(1)手动提取特征
此类方法从三维点的几何属性、形状属性、结构属性等方面提取三维空间特征，统计关键点局部邻域的空间分布信息，计算空间分布直方图，得到特征向量等描述子，输入SVM等分类器，或使用条件随机场等得到匹配结果。
根据特征的构造角度又可进行细分，其中，基于局部特征的方法主要提取物体的关键点、边缘或面片，或关键点的法向量、曲率等微分几何信息。基于全局特征的物体识别方法则需要先将目标从背景中分割出来，再计算法线夹角等几何信息来构建描述符。此外，还有基于图匹配的方法，其思想是将点云数据分解成基本形状，使用抽象点进行表示，再构造拓扑图表示形状之间的邻近关系，使用图匹配的方法进行识别。
现今基于手动提取特征的方法已经比较成熟。然而，手动提取的特征仅从曲率、法方向等有限角度提取特征，而无法完全利用三维点云的全部信息。这些特征仅对某种特定的变换存在不变性，因此，此类方法所能达到的精度存在瓶颈，相较之下，基于深度学习方法更能全面利用三维点云的特征信息，拥有更大的研究前景。
(2)深度学习处理点云
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
