检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向室内环境的三维点云分割轻量化技术研究

面向室内环境的三维点云分割轻量化技术研究

作者：张华云重庆科技学院

学位级别：硕士

三维点云分割技术已经广泛应用到机器人管家、扫地机器人等智能家居领域,对室内场景对三维点云分割,能够提高室内机器人对导航准确性和效率,实现更加智能便捷的智能家居。一幅完整的室内三维点云地图多达上亿个点云数据,对如此庞大的点... 详细信息

三维点云分割技术已经广泛应用到机器人管家、扫地机器人等智能家居领域,对室内场景对三维点云分割,能够提高室内机器人对导航准确性和效率,实现更加智能便捷的智能家居。一幅完整的室内三维点云地图多达上亿个点云数据,对如此庞大的点云数据的处理是三维点云分割技术得以在实际工程中应用的关键。目前存在两个主要问题导致点云分割速率慢。第一个问题是点云数据庞大,处理完整室内点云地图需要耗费大量时间,下采样技术难以保留完整点云特征信息且无法自适应下采样。第二个问题是主流点云分割网络模型模型庞大,消耗大量运算资源,难以在实际工程中应用。(1)针对点云数据庞大,下采样容易造成特征丢失的问题。设计一种基于改进体素滤波的动态窗口三维点云地图下采样算法。该算法包含“动态窗口下采样”和“点云边缘提取”两个模块,其中“动态窗口下采样”模块根据点云的特征进行自适应体素下采样,“点云边缘提取”模块保留三维点云地图的边缘信息。与传统下采样进行对比实验,实验表明:在保留三维点云特征信息基本不变的情况下,算法具有较好的采样简化效果和较快的下采样速速。点云的简化率达到91.89%,运算时间为0.01289s。(2)针对深度学习点云分割网络模型庞大的问题,对Point Net++模型进行改进,设计了VPoint Net++模型。该模型主要由两个部分组成,其中第一部分基于知识蒸馏技术,通过将Point Net++中高层网络结构的知识迁移至低层网络结构中,减少了模型参数。第二部分则基于改进体素滤波的动态窗口三维点云地图下采样算法,通过动态窗口分割点云地图进行自适应体素下采样,以释放计算资源、提升运算时间并保留点云的边缘信息。本文模型与Point Net++、Point Net以及2D Pass模型进行了对比实验,实验表明:本文所提模型的准确率为89.1%,模型大小为11.8M,而Point Net魔性大小为40M,Point Net++模型大小为35M,2SPass模型大小为102M,运算时间为0.1297 h/Epoch,结果表明VPoint Net++能够轻量化的同时达到较好的分割效果。(3)应用本文的研究成果,基于QT5平台开发了一个面向室内场景的三维点云分割系统。系统提供点云数据处理的下采样预处理、点云分割和可视化等功能,为点云数据分析提供良好的工具支持。

关键词：三维点云分割改进Point Net++ 动态窗口下采样改进体素滤波

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维点云分割的猪体尺自动测量技术

广东畜牧兽医科技 2023年第6期48卷 1-6,45页

作者：尹令王宇啸林俊勇蔡更元华南农业大学数学与信息学院/动物科学学院/国家生猪种业工程技术研究中心广东广州510642 猪禽种业全国重点实验室广东广州510640

生长性能测定是种猪育种工作的重要环节,评价猪生长性能的指标包含括体尺性状和体重等。实际生产中,需要在种猪育成期特定体重和日期进行大量测定工作。体尺测定目前主要依赖于人工,费时费力,测定效率低且主观误差较大等,制约着表型性... 详细信息

生长性能测定是种猪育种工作的重要环节,评价猪生长性能的指标包含括体尺性状和体重等。实际生产中,需要在种猪育成期特定体重和日期进行大量测定工作。体尺测定目前主要依赖于人工,费时费力,测定效率低且主观误差较大等,制约着表型性状在育种和生产管理中的辅助作用。计算机视觉技术成为牲畜表型体尺性状自动测定发展最迅速的研究领域。该文针对三维视觉技术在猪体尺测量中发展状况和测量定位误差进行阐述,提出猪体三维点云分割的技术以及在各部分点云分割基础上的体尺测量技术,以进一步提升体尺自动的精准度。

关键词：猪体尺自动测量三维点云分割 PointNet++ 八叉树采样

基于图卷积神经网络的三维点云分割算法Graph⁃PointNet

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2022年第6期45卷 87-92页

作者：陈苏婷陈怀新张闯南京信息工程大学江苏南京210044

三维点云无序不规则的特性使得传统的卷积神经网络无法直接应用,且大多数点云深度学习模型往往忽略大量的空间信息。为便于捕获空间点邻域信息,获得更好的点云分析性能以用于点云语义分割,文中提出Graph⁃PointNet点云深度学习模型。Grap... 详细信息

三维点云无序不规则的特性使得传统的卷积神经网络无法直接应用,且大多数点云深度学习模型往往忽略大量的空间信息。为便于捕获空间点邻域信息,获得更好的点云分析性能以用于点云语义分割,文中提出Graph⁃PointNet点云深度学习模型。Graph⁃PointNet在经典点云模型PointNet的基础上,结合二维图像中聚类思想,设计了图卷积特征提取模块取代多层感知器嵌入PointNet中。图卷积特征提取模块首先通过K近邻算法搜寻相邻特征点组成图结构,接着将多组图结构送入图卷积神经网络提取局部特征用于分割。同时文中设计一种新型点云采样方法多邻域采样,多邻域采样通过设置点云间夹角阈值,将点云区分为特征区域和非特征区域,特征区域用于提取特征,非特征区域用于消除噪声。对室内场景S3DIS、室外场景Semantic3D数据集进行实验,得到二者整体精度分别达到89.33%和89.78%,平均交并比达到64.62%,61.47%,均达到最佳效果。最后,进行消融实验,进一步证明了文中所提出的多邻域采样和图卷积特征提取模块对提高点云语义分割的有效性。

关键词：三维点云分割图卷积神经网络 Graph⁃PointNet 语义分割深度学习多邻域采样特征提取

维普期刊数据库博看期刊

基于形状关系卷积神经网络的三维点云分类与分割技术

在线全文

学校读者我要写书评

暂无评论

基于形状关系卷积神经网络的三维点云分类与分割技术

作者：梁攀上海工程技术大学

学位级别：硕士

近年来,深度相机、三维激光扫描仪、激光雷达等三维数据采集设备在机器人感知、无人驾驶、虚拟现实等三维感知领域有非常广泛的应用。此外,越来越多计算机视觉领域的学者把目光转到了以三维点云为研究对象的三维感知领域中。而三维点云... 详细信息

近年来,深度相机、三维激光扫描仪、激光雷达等三维数据采集设备在机器人感知、无人驾驶、虚拟现实等三维感知领域有非常广泛的应用。此外,越来越多计算机视觉领域的学者把目光转到了以三维点云为研究对象的三维感知领域中。而三维点云的分类与分割是三维感知领域的相关技术中最为基础且最为关键的任务,为三维场景理解与智能分析奠定了基础。因此,提高三维点云分类与分割技术的整体性能具有重要的实际应用意义。由于三维点云的数据结构具有无序性和非结构化的特点,在利用深度学习方法对三维点云进行分类识别与语义分割时仍然面临着诸多困难和挑战。本文针对三维点云分类任务的特点与三维点云分割任务的难点,分别提出了基于形状关系卷积神经网络(RS-CNN)的三维点云分类技术与基于注意力机制的三维点云分割技术。基于RS-CNN的三维点云分类技术,主要针对RS-CNN分类网络模型在提取三维点云的局部特征时,忽略了三维点云每个点的特征对分类算法的影响,且没有考虑有利于分类任务的全局关系特征。因此,本文提出了特征融合卷积运算符用于将每个点特征有效的融合到局部特征中。此外,本文还提出了全局关系推理模块,通过对各个局部区域进行全局关系推理以捕获能够对三维点云进行总体概括的全局关系特征。然后,本文基于RS-CNN的分类网络架构,针对三维点云分类任务的特点设计了基于RS-CNN的三维点云分类网络模型。最后,在三维点云分类数据集Model Net40上进行实验验证与分析。实验结果表明,与其他三维点云分类算法相比,本文所设计的分类网络模型在包含多种物体的三维点云分类数据集上,达到了较高的分类准确率。此外,还通过实验证明了所提出的特征融合卷积与全局关系推理模块的有效性。为提高三维点云数据分割的准确性与鲁棒性,本文基于RS-CNN分类网络的思想,提出了基于注意力机制的三维点云分割算法。通过使用注意力机制优化特征融合卷积,使优化后的基于注意力机制的特征融合卷积能有效提高局部区域的表征能力。此外,本文还设计了全局特征融合模块,用于将全局关系特征与各个局部区域的特征进行融合。然后,参考二维图像语义分割的网络结构搭建了基于注意力机制的三维点云分割网络模型,该网络模型由编码器、解码器以及跳跃连接组成。实验表明,该网络模型提高了三维点云分割的准确率,同时显著降低了模型的参数规模,达到了提高模型性能的目的。本文以三维点云作为直接处理对象,提出了基于RS-CNN的三维点云分类网络和基于注意力机制的三维点云分割网络,并通过实验对这两个网络模型进行了验证。本文的研究丰富了三维点云分类与分割技术的理论知识,为实际应用拓宽了道路。

关键词：形状关系卷积神经网络三维点云分类三维点云分割特征融合卷积

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于PCL三维点云花瓣分割与重建

现代电子技术 2022年第12期45卷 149-154页

作者：任彪陆玲东华理工大学信息工程学院江西南昌330013

三维点云数据的单木植物器官分割的研究仍处于起步阶段,对于植物器官的精确分割还未形成有效的解决方法,对于单个花朵点云分割出花瓣的研究更是少见。为此,文中提出一种基于PCL库三维点云花瓣分割的研究方法,以单个百合花朵三维点云数... 详细信息

三维点云数据的单木植物器官分割的研究仍处于起步阶段,对于植物器官的精确分割还未形成有效的解决方法,对于单个花朵点云分割出花瓣的研究更是少见。为此,文中提出一种基于PCL库三维点云花瓣分割的研究方法,以单个百合花朵三维点云数据为研究对象,对其进行花瓣分割。该方法主要是以PCL库为开发工具,首先对三维点云数据进行体素化下采样处理;其次结合K-means聚类分割算法计算点云曲率值,并根据点云曲率值以及点云形态特征确定K值;再利用鼠标交互方法确定初始聚类中心,从而达到花瓣分割的目的;最后使用贪婪投影三角网格化算法来实现花瓣的重建。实验结果表明,文中方法能够对花瓣进行有效分割,且用时少、准确率高,利用三角化重建能更好地保存花朵的形态特征,稳定性好。

关键词：三维点云分割花瓣分割 PCL 三角化重建曲率特征体素化处理

基于深层神经网络的三维点云细粒度分割算法研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于深层神经网络的三维点云细粒度分割算法研究

作者：陈境焕广东工业大学

学位级别：硕士

在机器人技术、三维重建和自动驾驶等工程应用中,三维点云分割是实现机器人抓取、快速曲面重构和模式识别成功应用的关键环节,是人工智能领域的重要研究方向之一。其中,Point Net++、Point CNN和Point SIFT等主流点云分割算法克服了点... 详细信息

在机器人技术、三维重建和自动驾驶等工程应用中,三维点云分割是实现机器人抓取、快速曲面重构和模式识别成功应用的关键环节,是人工智能领域的重要研究方向之一。其中,Point Net++、Point CNN和Point SIFT等主流点云分割算法克服了点云的无序性、不规则性和稀疏性对卷积操作的限制,利用深层神经网络对点云进行有效的特征提取,实现三维点云分割、理解。然而,该类算法受限于采样方式和特征提取算子的表征能力,进行更精细的三维模型分割时容易出现边界混淆、分割精度不高的情况。为了实现三维点云模型的精确分割,本文提出了基于深层神经网络的三维点云细粒度分割算法,其根据语义特征,结合具体的应用对象,将三维模型分割成不同组成部分。本文主要研究内容和创新点如下:(1)为了增强神经网络对几何特征复杂位置点云的注意力,提出了基于曲率估计的最远点采样(Curvature Estimation Based Farthest Point Sampling)算法,简称为C-FPS。在估计三维点云高斯曲率的基础上,C-FPS区别于现有的最远点采样算法对三维点云进行非均匀采样,即在采样点数不变的前提下,几何特征复杂位置的采样点更加稠密,反之较为稀疏。该方法有利于强化神经网络对特征复杂位置点云的特征提取能力,为后续的细粒度点云分割提供依据。测试案例表明,C-FPS在不增加可学习参数的情况下,让点云细粒度分割的平均交并比(Mean Intersection Over Union,m Io U)至少提高了0.9%。(2)针对当前主流的点云分割算法对三维点云表征能力不足的问题,提出了-(89)算子及其对应的Point X-SIFT三维点云分割算法。-(89)算子首先用变换矩阵对输入的点云特征进行空间变换,得到有利于特征提取的空间分布;然后,将变换后的点云分为x、y、z三个方向进行特征提取,并由神经网络确定各个方向的特征权值。Point X-SIFT分层次地堆叠-(89)算子,提取、传递不同层次的点云特征,实现细粒度的三维点云分割。公开数据集分割实验表明,Point X-SIFT比Point Net++、Point CNN、Point SIFT三维点云分割的m Io U分别提高了2.9%、1.0%、0.8%。(3)为了让Point X-SIFT能根据不同的数据集,自动地挑选合适的超参数配置,以获得峰值分割性能,本文基于TPE(Tree-structured Parzen Estimator)超参数优化方法设计了Point X-SIFT自适应构造框架。该框架将Point X-SIFT的超参数配置和测试集损失函数之间的映射关系视为黑箱函数,利用TPE优化方法指导、优化概率代理模型拟合该黑箱函数,实现Point X-SIFT的自适应构造。在CAD零件的三维点云细粒度分割实验中,自适应构造框架迭代50次后,其构造的Point X-SIFT*比按经验值构造的Point X-SIFT的分割m Io U提高了2.7%。

关键词：深层神经网络三维点云分割高斯曲率采样点云表征超参数优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维点云花朵特征提取与分割重建

基于三维点云花朵特征提取与分割重建

作者：任彪东华理工大学

学位级别：硕士

随着科学技术的发展,三维扫描技术领域也在不断地被深入挖掘研究。目前,三维点云数据处理技术被应用在各个领域,如虚拟现实技术、逆向工程CAM技术、人工智能以及数字城市等。虚拟的植物模型被不断的应用在数字城市、游戏场景虚构等文化... 详细信息

随着科学技术的发展,三维扫描技术领域也在不断地被深入挖掘研究。目前,三维点云数据处理技术被应用在各个领域,如虚拟现实技术、逆向工程CAM技术、人工智能以及数字城市等。虚拟的植物模型被不断的应用在数字城市、游戏场景虚构等文化生活领域。而植物器官作为植物研究领域中不可或缺的一部分,在虚拟现实研究中显得必不可少。目前,在三维点云数据的处理对象上,单木植物器官点云分割的研究还不够深入,相关技术不够成熟,对于植物器官的精确分割还未形成有效的解决方法,尤其是对于单个花朵点云分割出花瓣的研究更是少之又少。故本文针对于单个花朵点云数据进行研究,提出一种对三维花朵点云数据进行特征提取以及三维点云分割与重建的方法,为数字城市、虚拟现实等领域提供了植物数字化信息参考依据。本文以百合花朵点云数据为研究对象,基于其复杂的几何特征,提出为其建立圆柱坐标系,并对其进行花朵点云特征提取、三维点云分割、三维点云重建等技术方面的研究与实现。本文以传统K-means聚类点云分割算法为基础,针对其聚类K值的不确定性以及初始聚类中心的随机性,提出了基于花朵点云特征提取的K-means聚类分割算法。先是对花朵点云进行提取中心轴,再依据点云中心轴实现直角坐标系到圆柱坐标系的转换;在圆柱坐标系下利用圆柱参数特性——高度、角度与半径等,提出高度横截面法与角度分离法,从而对花朵点云进行特征提取。在高度横截面法与角度分离法的花朵点云特征提取下,确定百合花点云的花瓣特征,以及K-means聚类中的K值;再根据提取到的点云特征,将高度横截面法中的聚类簇集作为K-means分割算法中的初始聚类中心,从而进行点云花瓣分割。针对K-means聚类分割后造成过分割的现象,提出二分割补法,利用二分思想将其分割出来,并根据点云标签对其合并实现补齐点云。最后经过分析比较后使用贪婪投影三角化算法对分割后的花瓣进行三维重建。实验证明该方法能有效的进行花瓣分割,利用三角化重建能更好的保存花朵的形态特征,稳定性好。

关键词：三维点云分割 K-means聚类分割算法花瓣分割贪婪投影三角化花朵点云特征提取

基于三维点云的变电站设备附属设施分割算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维点云的变电站设备附属设施分割算法研究

作者：王朋帅郑州大学

学位级别：硕士

变电站设备附属设施分割是变电站设备识别、重建中的关键环节,分割的效果会对识别、重建产生很大的影响。通过在计算机中实现对变电站设备附属设施的分割,然后利用识别算法识别出具体的设备型号。再确定每一个设备的位置信息,最终还原... 详细信息

变电站设备附属设施分割是变电站设备识别、重建中的关键环节,分割的效果会对识别、重建产生很大的影响。通过在计算机中实现对变电站设备附属设施的分割,然后利用识别算法识别出具体的设备型号。再确定每一个设备的位置信息,最终还原整个变电站的分布情况,实现变电站设备的重构。为了提高变电站设备的重构效率、提高设备的识别率,本文首次提出了一种锥形搜索方式来实现对变电设备点云中电线的分割,同时,本文提出了一种根据设备分层后水平投影面积的变化趋势来实现对设备基座的分割。主要研究内容包括:(1)变电站设备中电线分割。本文采用锥形搜索方式来实现对设备中电线的分割。在分割过程中首先通过旋转实现对设备的定位,同时找到电线的两个可能的电线端点;其次利用K-means算法和最近邻搜索的方式找到电线的另外两个可能的电线端点;接着通过电线的存在特征判断查询到的电线端点是否是真正的电线的端点。最后利用锥形搜索的方式对搜索方向进行限定,找到电线的数据并去除,达到分割电线的目的。(2)变电站设备中基座分割。本文利用设备分层后水平投影面积的变化趋势来实现对设备基座的分割。首先对点云数据预处理;其次对设备的分割线首次定位并去除基座;再次利用设备投影轮廓特征获取预选设备,对预选出的设备利用改进后的ICP迭代算法计算出每个预选设备的匹配度,将匹配度最大的预选设备作为本次循环中的识别设备;最后通过10次循环对设备的分割线进行精确定位,并将10次循环中匹配度最大的设备作为最终的识别设备。同时匹配度最大时对应的分割线的位置,就是分割线的精确位置,去除位于分割线以下部分的设备,实现对基座的分割。(3)改进ICP迭代算法。ICP迭代算法本身最大的缺陷在于用时过长,增加匹配时间。本文采用的措施当误差的数值在0.01精度下连续出现10次时,终止迭代,让ICP算法提前跳出,以达到缩短匹配时间的目的。(4)解决电线点云缺失问题。在搜索电线点云数据过程中,当遇到点云缺失时,具体的解决方法为是利用前面搜索到的聚类点形成空间直线,然后按一定的步长向前延伸,确定下一个聚类中心点。以此方式来解决电线点云缺失问题。对腾龙信息工程有限公司提供的303个设备进行测试,本文的基座分割算法可以将原来识别率为56.77%提高到85.8%;电线分割算法在解决电线点云缺失问题后可以实现对275个带有电线的设备进行很好的分割;对137个变电站设备进行改进后的ICP算法测试,同等条件下,改进后的ICP算法可以节省约96分钟。实验证明,提出的分割算法可以较少人工去除基座和电线的操作,同时在很大程度上提高了变电站设备的识别率。

关键词：三维点云分割变电站设备 ICP 电线分割基座分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

三维激光点云的网状RANSAC分割与计数

应用激光 2022年第2期42卷 54-63页

作者：彭熙舜陆安江黄际玮陈伯云丁洁贵州大学大数据与信息工程学院贵州贵阳550025

随着工业现代化进程的加快,三维激光点云技术开始出现在工业目标检测中,对激光点云的目标分割提取也成了工业检测中的关键。常用的三维点云分割方法,如区域生长分割、RANSAC(随机抽样一致)分割、K-means(K均值聚类)等无法做到高水平的... 详细信息

随着工业现代化进程的加快,三维激光点云技术开始出现在工业目标检测中,对激光点云的目标分割提取也成了工业检测中的关键。常用的三维点云分割方法,如区域生长分割、RANSAC(随机抽样一致)分割、K-means(K均值聚类)等无法做到高水平的目标分割与提取。利用MEMS(micro electromechanical system)3D相机对4组目标进行点云数据采集,利用网状RANSAC分割算法,将目标三维点云进行封装,栅格化分割成网状模块,对每个网状模块中的点云进行平面粗分割,整合模块,用欧式聚类对分割后的目标进行细分割,得到最终的目标提取结果并成功完成计数统计。试验结果表明,所提出的网状RANSAC分割算法的分割完整度为91.0%,平均耗时8.25 s,均优于其余三种传统算法,并且成功完成计数。

关键词：工业检测目标计数三维点云分割栅格化网状RANSAC