本文主要是介绍点云分割中Proposal-based Methods与Proposal-free Methods，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
在三维点云实例分割过程中的研究主要包括两种方法：一种是需要对象检测模块（ object detection module ）的基于区域提案的方法（Proposal-based methods），另一种是不需要对象检测模块的不基于区域提案的方法（Proposal-free Methods）
Region Proposal-based Methods 基于候选区域
这种方法首先产生一些可能包含物体的区域（Proposals），接着对各个区域提取特征，来决定各个候选区域的物体类别。
这类方法通常依赖于两阶段的训练（two-stage training）和非极大值抑制（non-maximum suppression, NMS)等操作来对密集的proposal进行选择。
根据不同的产生候选区域的方法，可以分为三类：
基于多视角的方法（multi-view based）
基于分割的方法（segmentation-based）
基于锥体的方法（frustum-based methods）
Proposal-free Methods 无候选目标框的算法
这类算法的核心思想是为每个点学习一个discriminative feature embedding（特征提取器），然后再通过诸如mean-shift等聚类(clustering)方法来将同一个实例（instance）的点聚集(group)到一起。因此这类方法主要集中于判别特征学习和点分组，以及找出每个实例的中心点。
参考：https://blog.csdn.net/Dujing2019/article/details/104338151
https://www.pianshen.com/article/16341508310/
这篇关于点云分割中Proposal-based Methods与Proposal-free Methods的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
