KPConv针对Modelnet40的分类

1.

训练样本airplane_0001.txt的可视化：

 

 飞机尺度：

物体类别与对应标签：

 

2.

对训练样本进行降采样：

体素法降采样，降采样的网络大小设置为0.02m.在pycharm下面的Console控制台窗口输入以下命令，对降采样后的数据存入.txt文本文件，然后进行可视化。

np.savetxt("airplane_001.txt",points,fmt="%.8f", delimiter=',')

 

 

可以看到，降采样后的点云分布仍然很均匀，尺度稍微变小了一点。

降采样之后，点云的数量变化是：10000个---->5979个

下面这个是降采样之后，训练集中每个物体对象点云的数量，降采样之后，点云的坐标不是原来的点云的坐标了。

 这个是降采样之后，测试集中每个物体对象点云的数量，降采样之前每个对象的点云数量都是10000：

 3.

对训练集中降采样之后的点云数量进行一个排序：

 

 ...