基于深度学习的三维点云识别研究

论文摘要

点云数据包含了丰富的语义信息,具有高密度、高精度等特点,已经成为三维目标识别研究的主要数据之一,实现复杂三维场景的理解和分析。同时,因为三维目标识别具有重要的研究价值,其迅速成为了计算机视觉领域的研究热点,被广泛应用于航天航空导航、遥感制图、军事侦查和智能化交通系统等领域。因此,提出高效智能化的三维目标识别方法具有重要的现实意义。本文提出MSS-PointNet点云深度学习模型,用深度学习技术识别三维点云数据,进一步拓展点云数据的应用领域。由于PointNet模型只是对单点进行特征学习,未考虑点的局部信息对特征学习的影响,本文通过邻域采样方法来改进PointNet,即利用FPS算法选出样点,并使用基于半径的球查询方法对样点进行邻域采样,用点的邻域代替单点作为网络的输入进行特征学习。然后基于尺度空间的思想,将球查询的半径大小作为尺度参数,通过改变尺度参数得到多个不同的尺度,基于不同的尺度进行邻域采样构建点云尺度空间,之后选择点云尺度空间中的多个尺度分别进行特征学习,最后将这些特征结合成多尺度特征输入到分类器中,从而实现点云的分类分割。本文将改进后的模型命名为MSS-PointNet（PointNet of multi-scale sampling,多尺度采样PointNet）,并通过物体分类、物体局部分割和室内场景分割等实验测试了模型性能。较高的分类准确率和分割IoU结果表明,无论是对小物体分类分割,还是大场景识别,MSS-PointNet模型都实现了较好的识别效果,证明了邻域采样方法和多尺度结构的有效性。此外,本文还将改进的模型MSS-PointNet进行了扩展,将其应用于室外复杂场景的识别研究。以Semantic3D数据集为训练样本训练模型,利用地面三维激光扫描仪对整修前的安徽师范大学地理与旅游学院实验楼测量采集,并使用配套软件ScanMaster进行数据预处理得到场景点云数据,用该数据测试训练后的模型,分类准确率高达0.972,分割的平均IoU为0.537,还对识别结果进行了可视化显示。该室外场景实验的结果表明MSS-PointNet模型能较好地适用于室外复杂场景的识别。

论文目录

文章来源

类型: 硕士论文

作者: 汪晓楚

导师: 梁栋栋

关键词: 点云识别,深度学习,邻域采样,多尺度结构

来源: 安徽师范大学

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 安徽师范大学

分类号: P225.2

总页数: 63

文件大小: 5206K

下载量: 613

相关论文文献

• [1].基于双目立体视觉的远距离目标实时三维点云成像技术[J]. 激光杂志 2019(12)
• [2].面向钢铁工业场景的三维点云技术研究[J]. 现代信息科技 2020(07)
• [3].基于视点的三维点云自适应多细节层次模型动态绘制[J]. 科学技术与工程 2019(12)
• [4].战地三维点云采集方法和方案[J]. 中国科技信息 2020(02)
• [5].基于散乱三维点云的缺陷检测和三维重构方法[J]. 应用光学 2016(03)
• [6].基于ArcGIS的三维点云数据处理方法研究[J]. 硅谷 2015(02)
• [7].基于2D-3D语义传递的室内三维点云模型语义分割[J]. 武汉大学学报(信息科学版) 2018(12)
• [8].三维点云数据拾取与可视化技术[J]. 测绘与空间地理信息 2019(07)
• [9].利用连续变形技术的三维点云简化方法[J]. 遥感信息 2018(05)
• [10].白噪声干扰下三维点云数据重建方法仿真[J]. 计算机仿真 2017(05)
• [11].基于三维点云的机场道面指标检测研究[J]. 中国水运(下半月) 2017(09)
• [12].基于区域生长的稠密三维点云重建方法[J]. 计算机工程与设计 2016(02)
• [13].基于多源信息融合的果树冠层三维点云拼接方法研究[J]. 光学学报 2014(12)
• [14].基于激光影像的物体三维点云获取系统[J]. 城市勘测 2013(06)
• [15].一种特征感知的三维点云简化算法[J]. 激光与光电子学进展 2019(11)
• [16].多松量模型三维点云数据标准化处理[J]. 北京服装学院学报(自然科学版) 2017(03)
• [17].船舶电网系统三维点云数据聚类提取[J]. 舰船科学技术 2018(12)
• [18].冷却塔倾斜监测三维点云数据分析[J]. 北京工业职业技术学院学报 2018(04)
• [19].三维点云的两步校准法及其应用研究[J]. 工程设计学报 2020(05)
• [20].嵌入式三维点云数据采集与传输系统的设计[J]. 自动化技术与应用 2014(04)
• [21].三维点云模型的参数化方法[J]. 信息与电脑(理论版) 2013(10)
• [22].植物三维点云模型的处理应用[J]. 中国农村小康科技 2011(02)
• [23].基于三维点云的苹果树冠层点-叶模型重建方法[J]. 农业机械学报 2020(04)
• [24].三维点云模型高鲁棒性多重盲水印算法研究[J]. 包装工程 2016(19)
• [25].车载激光雷达三维点云重构与漫游方法[J]. 太赫兹科学与电子信息学报 2015(04)
• [26].简述三维点云处理技术的研究[J]. 电子技术与软件工程 2013(14)
• [27].基于纹理特征的三维点云数据配准算法研究[J]. 现代计算机(专业版) 2012(30)
• [28].随机抽样一致性算法在三维点云数据中轴线拟合中的应用研究[J]. 测绘地理信息 2018(03)
• [29].基于三维点云的叶面积估算方法[J]. 农业机械学报 2019(12)
• [30].基于切片采样和质心距直方图特征的室外大场景三维点云分类[J]. 中国激光 2018(10)

标签：点云识别论文;  深度学习论文;  邻域采样论文;  多尺度结构论文;