本課題研究對象為三維點云分類任務(wù),研究目的為通過實現(xiàn)點云分類來驗證基于圖卷積的點云特征提取算法的可行性和有效性。三維目標分類作為三維感知領(lǐng)域的基礎(chǔ)任務(wù),可以通過實現(xiàn)該任務(wù)來驗證三維目標特征提取算法的有效性,并且能夠?qū)⒃撎卣魈崛∷惴☉?yīng)用到三維感知領(lǐng)域其他任務(wù)上,例如分割和重建。本課題考慮到當前大部分空間信息采集設(shè)備均以點云數(shù)據(jù)格式提供三維目標的空間信息,因此選擇三維目標的點云數(shù)據(jù)作為本課題分類任務(wù)的處理對象。針對三維點云分類任務(wù),傳統(tǒng)算法的缺陷在于只能通過匹配特征庫來判斷點云類別,所選特征的準確性和特征庫的完備性將直接影響分類性能;機器學習算法的缺陷在于仍使用人工設(shè)計的點云特征,固定的特征計算方法限定了算法的泛化能力;當前深度學習算法均是通過修改用于處理規(guī)則數(shù)據(jù)的卷積操作來提取不規(guī)則點云數(shù)據(jù)的特征,算法未能完全契合點云數(shù)據(jù)特點,泛化能力不強。本課題通過分析點云特征提出一種基于圖卷積的端到端點云分類網(wǎng)絡(luò)實現(xiàn)對僅攜帶空間位置信息的單一模型點云的分類任務(wù)。本課題針對點云的無序性、點云的旋轉(zhuǎn)不變性和點云的稀疏性三大特點,提出了如下解決方法:（1）整體網(wǎng)絡(luò)架構(gòu)借鑒二維圖像卷積神經(jīng)網(wǎng)絡(luò);（2）基于圖... 

【文章來源】：北方工業(yè)大學北京市

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

旋轉(zhuǎn)圖像法

第一章緒論8（局部參考系），然后將局部曲面繞局部參考系的三軸旋轉(zhuǎn)給定角度，分別投影到XOY、XOZ、YOZ坐標平面上，最后計算有關(guān)投影點分布的統(tǒng)計信息，以直方圖形式表示，形成最終特征描述符（如圖1-2）。圖1-2旋轉(zhuǎn)投影統(tǒng)計方法基于幾何屬性直方圖的局部特征點云分類方法有：PFH，點特征直方圖法[11]，由Rusu于2008年提出。該方法先計算特征點的K近鄰點的集合內(nèi)（包括特征點本身）任意兩個節(jié)點的法線相對偏差，然后通過直方圖的形式來表示以該特征點為中心的點云局部特征（如圖1-3）。因為計算節(jié)點間的法線相對偏差，所以該方法滿足旋轉(zhuǎn)平移不變性，對噪聲和采樣密度魯棒。但是此方法計算量大，對具有n個點的點云，其PFH理論計算復雜度為O(nK2)，其中k為每個查詢點的最近鄰點數(shù)。圖1-3點特征直方圖法

第一章緒論8（局部參考系），然后將局部曲面繞局部參考系的三軸旋轉(zhuǎn)給定角度，分別投影到XOY、XOZ、YOZ坐標平面上，最后計算有關(guān)投影點分布的統(tǒng)計信息，以直方圖形式表示，形成最終特征描述符（如圖1-2）。圖1-2旋轉(zhuǎn)投影統(tǒng)計方法基于幾何屬性直方圖的局部特征點云分類方法有：PFH，點特征直方圖法[11]，由Rusu于2008年提出。該方法先計算特征點的K近鄰點的集合內(nèi)（包括特征點本身）任意兩個節(jié)點的法線相對偏差，然后通過直方圖的形式來表示以該特征點為中心的點云局部特征（如圖1-3）。因為計算節(jié)點間的法線相對偏差，所以該方法滿足旋轉(zhuǎn)平移不變性，對噪聲和采樣密度魯棒。但是此方法計算量大，對具有n個點的點云，其PFH理論計算復雜度為O(nK2)，其中k為每個查詢點的最近鄰點數(shù)。圖1-3點特征直方圖法

【參考文獻】：
期刊論文
[1]基于移動激光掃描點云特征圖像和SVM的建筑物立面半自動提取方法[J]. 彭晨,余柏蒗,吳賓,吳健平.  地球信息科學學報. 2016(07)
[2]利用隨機森林的城區(qū)機載LiDAR數(shù)據(jù)特征選擇與分類[J]. 孫杰,賴祖龍.  武漢大學學報(信息科學版). 2014(11)
[3]顧及空間上下文關(guān)系的JointBoost點云分類及特征降維[J]. 郭波,黃先鋒,張帆,王晏民.  測繪學報. 2013(05)
[4]實時高精度地圖匹配技術(shù)的研究與實現(xiàn)[J]. 柳林,李萬武,王志余,田雨.  測繪科學. 2010(05)



本文編號：3035504