一种基于深度学习的三维表面方向估计方法

本发明公开了一种基于深度学习的三维表面方向估计方法，特点是首先将三维点云数据映射到球面坐标系，然后利用S2球面卷积残差模块将球面信号转化为SO(3)三维旋转空间信号，再通过SO(3)旋转群卷积残差模块转换为单通道的第一支路特征和第二支路特征，随后通过soft_argmax函数处理最显著特征，进而找到在SO(3)三维旋转空间中所对应的三维表面方向；优点是S2球面卷积残差模块和SO(3)旋转群卷积残差模块的设计增强了信号处理的精度，还提升了网络的表现能力；待训练的孪生自监督网络模型在训练过程中采用自监督方法，自动适应不同的旋转和变形，显著提高三维形状的识别、分类和处理的鲁棒性。