在計(jì)算機(jī)視覺(jué)研究領(lǐng)域中,對(duì)三維場(chǎng)景進(jìn)行有效的理解是諸多應(yīng)用的前提條件,本文主要討論了針對(duì)大范圍室外場(chǎng)景的三維點(diǎn)云語(yǔ)義分割問(wèn)題,并采用兩種算法對(duì)場(chǎng)景實(shí)現(xiàn)了有效的語(yǔ)義分割。為了克服大范圍場(chǎng)景數(shù)據(jù)量大、表述難的挑戰(zhàn),本文首先提出了一種點(diǎn)云圖像化表述的生成方法,該方法在場(chǎng)景視點(diǎn)設(shè)置一個(gè)圓柱模型,將整幅三維場(chǎng)景投影到圓柱側(cè)面上,接著展開(kāi)圓柱側(cè)面并進(jìn)行像素柵格劃分,最后計(jì)算像素值生成一幅灰度圖像。該點(diǎn)云圖模型能夠?qū)㈦s亂無(wú)序的三維點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為有序的二維圖像,為后續(xù)利用圖像領(lǐng)域里的成熟的特征提取方法創(chuàng)造了條件。在傳統(tǒng)的基于手工特征的點(diǎn)云語(yǔ)義分割算法中,提取多個(gè)尺度的鄰域幾何特征是較為有效的方法,但是該方法依賴于人為經(jīng)驗(yàn)的介入,且耗時(shí)量巨大。本文在這里首先借用點(diǎn)云圖模型,能夠快速的提取多個(gè)尺度的圖像紋理特征。然后為了增強(qiáng)特征集合的區(qū)分能力,我們又提取了三維點(diǎn)在單一最優(yōu)鄰域尺寸下的幾何特征,以求達(dá)到特征表述能力和計(jì)算耗時(shí)之間的平衡。最后采用隨機(jī)森林分類器對(duì)上述特征的兩種組合方式進(jìn)行監(jiān)督分類,實(shí)現(xiàn)了對(duì)三維點(diǎn)云場(chǎng)景的語(yǔ)義分割任務(wù)。將深度學(xué)習(xí)領(lǐng)域中的卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于三維結(jié)構(gòu)數(shù)據(jù)時(shí),如何設(shè)計(jì)規(guī)整高效的輸入端表...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀與發(fā)展趨勢(shì)
        1.2.1 基于手工特征提取的點(diǎn)云語(yǔ)義分割
        1.2.2 基于自動(dòng)特征提取的點(diǎn)云語(yǔ)義分割
    1.3 本文主要工作
2 三維點(diǎn)云數(shù)據(jù)的獲取及圖像化表述
    2.1 三維點(diǎn)云數(shù)據(jù)的獲取
        2.1.1 TLS掃描方式
        2.1.2 MLS掃描方式
        2.1.3 ALS掃描方式
    2.2 三維點(diǎn)云數(shù)據(jù)的圖像化表述
        2.2.1 三維點(diǎn)云到成像平面的投影變換
        2.2.2 圖像灰度值的計(jì)算方法
3 基于手工特征和隨機(jī)森林的點(diǎn)云語(yǔ)義分割
    3.1 隨機(jī)森林分類器
    3.2 基于點(diǎn)云圖模型的特征提取
        3.2.1 點(diǎn)云圖模型選擇
        3.2.2 多尺度特征提取
    3.3 點(diǎn)云數(shù)據(jù)的幾何特征提取
        3.3.1 最優(yōu)鄰域尺寸選擇
        3.3.2 點(diǎn)云幾何特征提取
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 實(shí)驗(yàn)參數(shù)配置
        3.4.2 基于圖模型特征的語(yǔ)義分割結(jié)果
        3.4.3 基于組合特征的語(yǔ)義分割結(jié)果
        3.4.4 算法耗時(shí)分析
4 對(duì)基于超點(diǎn)圖的點(diǎn)云語(yǔ)義分割算法的改進(jìn)
    4.1 基于超點(diǎn)圖的點(diǎn)云語(yǔ)義分割
        4.1.1 點(diǎn)云數(shù)據(jù)的超點(diǎn)圖構(gòu)建
        4.1.2 圖卷積網(wǎng)絡(luò)模型的組成
    4.2 對(duì)超點(diǎn)圖構(gòu)建部分的改進(jìn)
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 改進(jìn)前后語(yǔ)義分割結(jié)果對(duì)比
        4.3.2 改進(jìn)前后算法耗時(shí)對(duì)比
    4.4 兩種語(yǔ)義分割算法對(duì)比及分析
5 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 本文展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
課題資助情況
致謝



本文編號(hào)：3858521