动态生长的自组织神经网络点云重建技术
Dynamic Growing Self-organizing Maps for Surface Reconstruction from Point Clouds作者机构：南京航空航天大学机电学院南京210016
出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)
年 卷 期：2016年第28卷第9期
页 面：1489-1496页
核心收录：
学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金：江苏省科技支撑计划(BE2014009-3) 国家自然科学基金(51205192 51175248)
摘 要：为了提高自组织特征映射网络算法中点云重建技术的质量、收敛速度和表面精度,提出一种动态生长的自组织神经网络算法.首先基于自组织神经网络算法,构造了球体三角网格作为神经网络的映射结构,正确选择拓扑邻域的环数,通过对大量无规则节点进行网络训练和学习达到神经元节点的分裂,改变了网络结构的固定性,并删除不稳定的网格节点;然后对网格进行优化,让神经元节点与输入的离散点保持更加的紧密,得到较好的点云重建结果.与自组织特征映射算法训练特性相比,该算法减少了计算量,提高了网络训练的收敛速度和离散点云重建的表面精度,特别是针对海量点云数据或者含有大量噪声点云数据的重建效果更明显.
维普期刊数据库
同方期刊数据库