摘要

三维感知，尤其是点云分类任务，已取得显著进展。然而，在实际部署过程中，由于场景复杂性、传感器误差以及处理过程中的不精确性，点云退化现象不可避免。本文旨在对存在退化情况下的点云分类任务进行严格基准测试与深入分析。为系统性地开展研究，我们首先构建了常见三维退化类型的分类体系，并识别出基本的退化原子类型。随后，我们在一系列具有代表性的点云模型上进行了全面评估，以深入理解其鲁棒性与泛化能力。基准测试结果表明，尽管点云分类性能随时间持续提升，但当前最先进方法的鲁棒性正面临下降趋势。基于上述观察，我们提出若干有效技术以增强点云分类器的鲁棒性。我们期望本研究所构建的全面基准、深入分析以及所提出的改进方法，能够激发未来在鲁棒三维感知领域的研究热潮。