本文關鍵詞： 圖像處理 點云配準 深度學習 卷積神經(jīng)網(wǎng)絡 深度圖像　出處：《激光與光電子學進展》2017年03期 　論文類型：期刊論文

【摘要】：點云配準是三維點云信息處理中的重要問題。傳統(tǒng)點云配準方法計算量大,不利于實時計算與移動計算。針對傳統(tǒng)點云配準方法存在的問題,提出了一種利用卷積神經(jīng)網(wǎng)絡進行點云配準的方法。首先計算點云的深度圖像,利用卷積神經(jīng)網(wǎng)絡提取深度圖像對的特征差,將深度圖像對的特征差作為全連接網(wǎng)絡的輸入并計算點云配準參數(shù),迭代地執(zhí)行上述操作直至配準誤差小于可接受閾值。實驗結果表明,相比傳統(tǒng)的點云配準方法,基于卷積神經(jīng)網(wǎng)絡的點云配準方法具有所需計算量小、配準效率高、對噪聲點和異常點不敏感的優(yōu)點。
[Abstract]:Point cloud registration is an important problem in 3D point cloud information processing. The traditional point cloud registration method has a large amount of computation, which is not conducive to real-time calculation and movement calculation. A method of point cloud registration using convolution neural network is proposed. Firstly, the depth image of point cloud is calculated, and the feature difference of depth image pair is extracted by convolution neural network. The feature difference of the depth image pair is used as the input of the fully connected network and the point cloud registration parameters are calculated. The above operation is performed iteratively until the registration error is less than the acceptable threshold. Compared with the traditional point cloud registration method, the point cloud registration method based on convolution neural network has the advantages of less computation, higher registration efficiency and insensitivity to noise points and outliers.
【作者單位】： 北京航空航天大學電子信息工程學院;河北遠東通信系統(tǒng)工程有限公司;
【基金】：上海航天創(chuàng)新基金SAST(2015090)
【分類號】：TP391.41;TP183

【相似文獻】

相關期刊論文 前10條

1 葉愛芬;龔聲蓉;王朝暉;劉純平;;基于隨機分布估計的點云密度提取[J];計算機工程;2009年04期

2 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點云數(shù)據(jù)融合算法[J];西安交通大學學報;2009年05期

3 孟凡文;吳祿慎;;用繼承與優(yōu)化算法精密拼接無序點云[J];光學精密工程;2009年04期

4 李海亮;鄧非;李剛;;攝影測量激光點云空洞修補[J];測繪科學;2010年05期

5 張晶;楊云生;豐少偉;;基于點云法矢變化的點云簡化方法研究[J];計算機與數(shù)字工程;2011年12期

6 李曉久;景曉寧;;基于非接觸式測量的人體點云簡化方法[J];紡織學報;2012年07期

7 高恩陽;鄭昊鴻;;點云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

8 范然;金小剛;;大規(guī)模點云選擇及精簡[J];圖學學報;2013年03期

9 李偉;李旭東;趙慧潔;張穎;;基于姿態(tài)標準化的線特征點云提取方法[J];北京航空航天大學學報;2013年08期

10 錢偉春;3DSMAX中動態(tài)云的制作[J];多媒體世界;1999年03期

相關會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預處理[A];2011年全國通信安全學術會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設計與計算學術會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機載激光點云快速繪制方法[A];第二十五屆全國空間探測學術研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學前沿技術論壇”論文精選[C];2010年

7 朱曉強;余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點云的城市道路提取[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點云簡化與特征提取研究[A];促進科技經(jīng)濟結合，服務創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學術年會論文集[C];2012年

9 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點云切片技術研究[A];全國先進制造技術高層論壇暨第八屆制造業(yè)自動化與信息化技術研討會論文集[C];2009年

相關重要報紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠見的裝備創(chuàng)新[N];中國測繪報;2012年

相關博士學位論文 前10條

1 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學;2012年

2 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術研究[D];西南交通大學;2013年

3 袁小翠;產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關鍵技術研究[D];南昌大學;2015年

4 賴祖龍;基于LiDAR點云與影像的海岸線提取和地物分類研究[D];武漢大學;2013年

5 王瑞巖;計算機視覺中相機標定及點云配準技術研究[D];西安電子科技大學;2015年

6 段敏燕;機載激光雷達點云電力線三維重建方法研究[D];武漢大學;2015年

7 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術研究[D];西南交通大學;2015年

8 金龍存;3D點云復雜曲面重構關鍵算法研究[D];上海大學;2012年

9 李揚彥;基于點云的三維重建與形變事件分析[D];中國科學院深圳先進技術研究院;2013年

10 楊德賀;面向虛擬測方系統(tǒng)的點云聚類與擬合理論[D];中國礦業(yè)大學（北京）;2014年

相關碩士學位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點云三維網(wǎng)格重構[D];河北大學;2015年

2 楊紅粉;頻域技術應用于點云配準研究[D];北京建筑大學;2015年

3 段紅娟;點云圖像交互式曲線骨架提取技術及其應用[D];西南交通大學;2015年

4 張永恒;散亂點云數(shù)據(jù)配準方法研究[D];長安大學;2015年

5 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質(zhì)大學(北京);2015年

6 薛廣順;基于立體視覺的牛體點云獲取方法研究與實現(xiàn)[D];西北農(nóng)林科技大學;2015年

7 胡誠;精度約束下地表LiDAR點云抽稀方法研究[D];西南交通大學;2015年

8 余明;三維離散點云數(shù)據(jù)處理技術研究[D];南京理工大學;2015年

9 陳星宇;基于三維彩色點云的地形分類方法研究[D];南京理工大學;2015年

10 朱東方;基于復雜拓撲結構點云的曲線擬合研究與應用[D];山東大學;2015年

，

本文編號：1492513