【摘要】：近年來,無人機、無人車、智能機器人等領(lǐng)域飛速發(fā)展,逐步成為國家經(jīng)濟發(fā)展、社會民生改善的下一個高科技產(chǎn)業(yè)鏈,更加精準的環(huán)境語義信息成為這些智能體進行自主避障導航、智能路徑規(guī)劃等任務(wù)的必要前提。然而在復雜室內(nèi)場景下,由于光照不均勻、遮擋關(guān)系復雜、色彩紋理重復性高等干擾因素,基于RGB彩色圖像的語義分割的方法存在物體邊緣誤分割、類別誤分類等問題,無法實現(xiàn)智能體對環(huán)境語義信息的精確理解。聯(lián)合RGB彩色圖像和Depth深度圖像的語義分割方法能夠利用深度圖像中所包含的空間三維信息,該信息受光照影響小,同時反映出物體之間的位置關(guān)系,最終實現(xiàn)更高精度的室內(nèi)場景語義分割效果。本文深入研究了RGB-D語義分割領(lǐng)域,開展了理論研究創(chuàng)新和應(yīng)用實踐,主要研究成果與創(chuàng)新包括:1.針對現(xiàn)有RGB語義分割模型在復雜室內(nèi)場景下分割精度低的問題,本文提出了一種融合深度信息的RGB-D語義分割網(wǎng)絡(luò)。通過可視化兩種模態(tài)下網(wǎng)絡(luò)提取出的特征圖譜,本文探討分析了深度圖像與RGB彩色圖像的融合位置與融合方法,并在融合-分支結(jié)構(gòu)的基礎(chǔ)上,創(chuàng)新性地提出了一種特征篩選結(jié)構(gòu)。該結(jié)構(gòu)使用一組可學習的特征懲罰因子,對融合之后的RGB-D特征進行加權(quán)處理,完成特征的篩選過程。經(jīng)過實驗證明,本文提出的融合結(jié)構(gòu)與特征篩選結(jié)構(gòu)在RGB-D語義分割任務(wù)中,區(qū)域交占比精度最高提升5.7%。2.針對深度圖像中存在的深度空洞(無效值與缺失值)問題,本文提出了一種基于快速進行法的深度修復算法。該算法利用RGB彩色圖像中像素之間的相關(guān)性,為深度圖像中對應(yīng)像素點估計深度值。該算法充分考慮了深度空洞區(qū)域與RGB圖像的對應(yīng)關(guān)系,針對性地優(yōu)化深度值估計函數(shù),并修改了參考像素點的加權(quán)函數(shù),使得最終的深度圖修復結(jié)果能夠獲取更加銳利精確的邊緣。經(jīng)過實驗證明,使用修復后的深度圖,RGB-D語義分割模型的區(qū)域交占比精度提升2.1%。3.本文發(fā)現(xiàn),將訓練好的RGB-D模型應(yīng)用在實際場景中,模型仍存在誤分割與誤分類現(xiàn)象,該問題是由訓練數(shù)據(jù)集與實際場景數(shù)據(jù)存在較大差別導致。針對此問題,本文提出了一種聯(lián)合遷移學習的RGB-D語義分割網(wǎng)絡(luò)。該網(wǎng)絡(luò)在上述RGB-D語義分割模型中進一步引入了自適應(yīng)層,在模型的損失函數(shù)中加入了最大均值差異優(yōu)化項,通過不斷優(yōu)化訓練數(shù)據(jù)集與實際場景數(shù)據(jù)集的特征在高維空間中的數(shù)據(jù)分布差異,使得模型在無監(jiān)督的小數(shù)據(jù)集上取得更好的分割效果。本文采集部分實驗室環(huán)境數(shù)據(jù),構(gòu)建了一個小規(guī)模語義分割數(shù)據(jù)集,并在該數(shù)據(jù)集上進行應(yīng)用實驗,實驗結(jié)果表明,聯(lián)合遷移學習的語義分割模型在實際場景數(shù)據(jù)集上,區(qū)域交占比精度提升了1.4%。
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP181
【圖文】：

邐北京郵電大學工學碩士學位論文邐逡逑ＳＬＡＭ系統(tǒng)中常用深度相機采集環(huán)境的深度信息。市面上深度相機主要分兩逡逑類，第一類是基于投影光斑特征匹配進行深度測量的相機，比如Ｋｉｎｅｃｔ邋ｖｌ，逡逑ＲｅａｌＳｅｎｓｅ等；第二類是基于反射時間進行深度測量的相機，比如Ｋｉｎｅｃｔ邋ｖ２等。逡逑盡管被廣泛采用，但在實際使用時，深度相機采集到的深度圖像仍存在無效值與逡逑缺失值，這些沒有測量到可用深度值的像素點形成了一些非連通的深度空洞區(qū)域。逡逑在圖卜１中可以看到，深度空洞區(qū)域破壞了物體完整的結(jié)構(gòu)信息，王奎等人在文逡逑獻［５】中提到這些區(qū)域可分為三類：第一類是由于深度圖像在重新投影過程中拉伸逡逑造成的小范圍空洞，第二類是由于材質(zhì)原因使得探測光出現(xiàn)透射或散射而形成的逡逑大范圍空洞，第三類是由于在參考視點中遮擋關(guān)系的存在導致的大范圍空洞。概逡逑括而言，空洞區(qū)域一般出現(xiàn)在紋理同源區(qū)域，物體邊界處以及不均勻反射處。因逡逑此，如果要利用深度信息輔助ＲＧＢ彩色圖像進行分割，對深度空洞區(qū)域進行修逡逑復是十分有必要的。逡逑．逡逑

也都會被保存。帶有人工標注的子集由成對的ＲＧＢ圖像和深度圖像組成，該子逡逑集共包括１４４９對樣本，ＲＧＢ圖像和深度圖像在時間和空間上均進行了對齊，同逡逑時還包括彩色圖像上進行標注的像素密集標簽。如圖１－２所示，這１４４９個樣本逡逑５逡逑

，巧，如最基礎(chǔ)的卷積運算，用于特征歸納的池化操作，還有卷基石后向傳播算法等。隨后，本文將介紹用于語義分割任務(wù)的并且介紹其詳細結(jié)構(gòu)以及訓練過程。逡逑神經(jīng)網(wǎng)絡(luò)概述逡逑神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史逡逑神經(jīng)網(wǎng)絡(luò)本質(zhì)上是帶有卷積結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)（ＡＮＮ，ｅｔｗｏｒｋ），一種受生物學和神經(jīng)學啟發(fā)的數(shù)學模型。在這些模元按照一定拓撲結(jié)構(gòu)，彼此之間進行單向或者雙向連接。一般以任意設(shè)定，組合起來的神經(jīng)元所形成的網(wǎng)絡(luò)，就成為人工神網(wǎng)絡(luò)。它是對人類大腦中神經(jīng)元網(wǎng)絡(luò)的一種抽象，研宄者希望模擬人腦處理一些問題的方式。逡逑

【相似文獻】

相關(guān)期刊論文 前10條

1 黃希庭，徐光國;對變化/分割模型的檢驗(I)[J];心理學報;1997年03期

2 黃希庭,徐光國;對變化/分割模型的檢驗(Ⅱ)[J];心理學報;1999年02期

3 張娟;楊建功;汪西莉;;條件深度玻爾茲曼機人臉圖像分割模型[J];小型微型計算機系統(tǒng);2017年05期

4 溫軍玲;嚴壯志;蔣皆恢;;一種區(qū)域統(tǒng)計信息的格子波爾茲曼圖像分割模型[J];應(yīng)用科學學報;2016年01期

5 喬端,陳肖梅,劉寶珩;冷軋薄板的板形調(diào)整——板形理論的非線性分割模型[J];北京鋼鐵學院學報;1982年04期

6 王瑜;閆沫;;一種新的灰度非均勻圖像分割模型[J];計算機工程;2015年05期

7 孫曉歡;楊豐;趙祺陽;;改進的分級多相圖像分割模型及其快速實現(xiàn)[J];數(shù)據(jù)采集與處理;2010年01期

8 鄭罡;王惠南;;基于水平集的多相活動輪廓圖像分割模型(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2006年02期

9 于海平;林曉麗;;基于增強雙邊濾波的圖像分割模型及應(yīng)用[J];計算機工程與設(shè)計;2019年04期

10 石雪;李玉;李曉麗;趙泉華;;融入鄰域作用的高斯混合分割模型及簡化求解[J];中國圖象圖形學報;2017年12期

相關(guān)會議論文 前9條

1 文和平;綦耀光;柯映林;程耀東;;常用刀具的優(yōu)化分割模型[A];第一屆全國幾何設(shè)計與計算學術(shù)會議論文集[C];2002年

2 徐濤;;時間序列優(yōu)化分割模型和提取算法[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

3 葉娜;鄭妍;朱靖波;張斌;;基于二維動態(tài)規(guī)劃的文本分割模型[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

4 葉娜;羅海濤;鄭妍;朱靖波;張斌;;基于改進型Dotplotting的文本分割模型[A];中文信息處理前沿進展——中國中文信息學會二十五周年學術(shù)會議論文集[C];2006年

5 漆琳智;張超;吳向陽;;引導濾波的單幅圖像前景精確提取[A];浙江省電子學會2013學術(shù)年會論文集[C];2013年

6 黃希庭;徐光國;;對變化/分割模型的檢驗(Ⅱ)[A];第八屆全國心理學學術(shù)會議文摘選集[C];1997年

7 全剛;徐鐘;孫即祥;;一種改進的C-V圖像分割模型[A];第十四屆全國信號處理學術(shù)年會(CCSP-2009)論文集[C];2009年

8 張娜;潘振寬;魏偉波;;分段光滑圖像分割的Split-Bregman方法[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

9 張洪超;張磊;黃華;;基于跨時空域相似鄰接圖的視頻分割算法[A];第五屆全國幾何設(shè)計與計算學術(shù)會議論文集[C];2011年

相關(guān)博士學位論文 前10條

1 張秀君;顯著性目標分割模型及其應(yīng)用[D];深圳大學;2016年

2 孟凡滿;圖像的協(xié)同分割理論與方法研究[D];電子科技大學;2014年

3 原野;偏微分方程圖像分割模型研究[D];重慶大學;2012年

4 姚勁草;基于形狀先驗的變分稀疏分割模型研究[D];浙江大學;2017年

5 葛琦;基于局部統(tǒng)計和結(jié)構(gòu)的活動輪廓分割模型[D];南京理工大學;2013年

6 黃臣程;魯棒的主動輪廓圖像分割模型研究及其應(yīng)用[D];重慶大學;2015年

7 章菲倩;數(shù)字幾何模型聯(lián)合分割方法研究[D];南京大學;2015年

8 吳繼明;基于水平集方法的主動輪廓模型理論研究及其應(yīng)用[D];華南理工大學;2010年

9 楊云云;基于Split Bregman方法的快速圖像分割模型的研究[D];哈爾濱工業(yè)大學;2012年

10 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學技術(shù)大學;2014年

相關(guān)碩士學位論文 前10條

1 章程;基于深度學習和遷移學習聯(lián)合的RGB-D語義分割模型研究[D];北京郵電大學;2019年

2 陳星;灰度不均圖像的偏微分方程分割模型[D];重慶師范大學;2019年

3 李舒意;基于FCN的乳腺鉬靶圖像腫塊分割模型研究[D];鄭州大學;2019年

4 姜蕊;中國中年群體的主觀幸福感研究[D];吉林大學;2018年

5 舒秀;基于全局與局部信息和分裂Bregman方法圖像分割模型及應(yīng)用[D];哈爾濱工業(yè)大學;2017年

6 張娜;基于全局凸分割模型的兩相圖像分割研究[D];青島大學;2010年

7 龔海晏;基于Ambrosio-Tortorelli圖像分割模型的研究與應(yīng)用[D];安徽工業(yè)大學;2016年

8 王小歡;連續(xù)最大流圖像分割模型及其算法[D];河南大學;2013年

9 張陳;融合局部和全局信息的活動輪廓分割模型研究[D];深圳大學;2017年

10 尹溶芳;兩個變分圖像分割模型的數(shù)值求解[D];重慶大學;2016年

本文編號：2806707