發(fā)布時間：2024-04-19 21:48

　　激光點云的語義分割是實現三維場景理解的基礎,特別是在大范圍室外環(huán)境中,實現大規(guī)模點云的實時語義分割對于自動駕駛、智慧交通、虛擬現實等領域的應用具有重要的理論價值和現實意義�；谌斯ぬ卣鞯狞c云語義分割方法依賴人工特征的設計與選取,其分割結果受研究人員的經驗影響較大。目前基于深度學習的方法在語義分割結果的準確度方面有了很大的提升,但三維深度學習模型的計算效率通常較低,大量研究只能應用于離線的點云分析。本文圍繞大范圍室外場景的實時點云語義分割開展了相關研究,考慮到點云的數據表述方法會直接影響后續(xù)語義分割的計算效率和分割結果的準確性,本文首先對點云的數據表述方法進行了對比研究,然后研究了實時點云語義分割模型的設計、實現以及應用等,具體包括以下幾方面內容:1.針對稀疏激光點云的實時語義分割問題,提出了一種基于八叉樹森林的三維稀疏卷積神經網絡。采用八叉樹森林表述方法,通過減小八叉樹的深度,提高數據訪問的效率;設計了最小非平凡-不重疊卷積核,使得三維卷積能夠直接在八叉樹結構上進行稀疏計算,并進行了模型結構設計,給出了所提模型在CPU環(huán)境下的基于八叉樹搜索的實現算法。實驗結果表明,雖然所提方法的語義分...

【文章頁數】：140 頁

【學位級別】：博士

【部分圖文】：

圖1.2SEGCIoud模型的整體架構

圖２．２八叉樹結構示意圖??Ｆｉｇ．?２．２?Ｉｌｌｕｓｔｒａｔｉｏｎ?ｏｆ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ａｎ?ｏｃｔｒｅｅ??

圖２．３二維空間的Ｋ－Ｄ樹結構示意圖??Ｆｉｇ．?２．３?Ｉｌｌｕｓｔｒａｔｉｏｎ?ｏｆ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ａ?Ｋ－Ｄ?ｔｒｅｅ?ｉｎ?ｔｗｏ?ｄｉｍｅｎｓｉｏｎｓ??

圖2.4基于二維圖模型的點云數據分割結果

本文編號：3958425