点云数据集的归一化(特征缩放)

Normalization (Feature scaling) of Point Cloud Dataset

我有点云数据集,其中单个数据由 N * 3 表示,其中 N 是点数。同样,我在数据集中有 "M" 个点云。这些点云的范围变化很​​大。有些具有非常大的值(例如,对于所有 N 个点都是 10^6),而有些具有非常小的值(例如,对于所有 N 个点都是 10^1)。我想标准化每个点云。我应该怎么做?

Q1. 我是否应该通过从仅此点云。在这种情况下,对于所有 "M" 点云,我们有不同的最小值-最大值。输出点云也是如此。请查看图片以加深理解https://i.stack.imgur.com/tKauw.jpg

Q2. 或者我是否应该通过选择最小值和最大值(从 M * N *3 in x , y, z 列)仅来自整个数据集。在这种情况下,对于所有 "m" 点云,我们有相同的最小值-最大值。请查看图片以加深理解https://i.stack.imgur.com/0HAhn.jpg

您应该使用选项 1

归一化的目的是标准化网络的输入 - 在最小-最大归一化的情况下,这将映射你的 3 个特征(我假设 xyz ) 到区间 [0,1].

选项 2 是不可取的,因为它对规范化进行了标准化。由于点云的质心变化很大,这会增加模型输入辨别的难度。

您也可以考虑使用可变标准差进行标准化。