检索结果-南通市图书馆

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

一种针对大规模场景的点云匹配算法

现代信息科技 2024年第7期8卷 146-150页

作者：刘芊伟张朝霞谢怡婷张成龙佛山科学技术学院机电工程与自动化学院广东佛山528225

针对大规模点云匹配时传统算法速度慢和匹配结果不一致的问题,提出一种新的点云匹配方法。该方法首先利用KD树找到点云中深度最小的点并以该点作为种子点,然后通过在深度信息和曲率两个方面做以改进的区域生长分割算法提取出点云上表面... 详细信息

针对大规模点云匹配时传统算法速度慢和匹配结果不一致的问题,提出一种新的点云匹配方法。该方法首先利用KD树找到点云中深度最小的点并以该点作为种子点,然后通过在深度信息和曲率两个方面做以改进的区域生长分割算法提取出点云上表面区域,并在该区域提取点云边界。最后使用改进的点对特征完成点云匹配算法验证。实验结果表明,相比传统算法,该方法在匹配速度以及匹配结果的一致性方面得到了显著的提升,在处理大规模点云匹配上具有实际应用价值。

关键词：大规模点云 KD树改进的区域生长分割算法点对特征

在线全文

学校读者我要写书评

暂无评论

特征保持的大规模点云曲面自由变形

浙江大学学报（工学版） 2010年第1期44卷 34-40页

作者：谭光华许秋儿吴双卿张三元张引浙江大学计算机科学与技术学院CAD&CG国家重点实验室浙江杭州310027 湖南大学计算机与通信学院湖南长沙410082

针对大规模点云模型,提出一种简略图的表示方式,记为ObbGraph,在此基础上,给出一种特征保持的大规模点云曲面的变形方法.该方法首先针对大规模点云曲面建立ObbGraph结构,然后通过对ObbGraph的变形来驱动原始点云模型的变形.ObbGraph的... 详细信息

针对大规模点云模型,提出一种简略图的表示方式,记为ObbGraph,在此基础上,给出一种特征保持的大规模点云曲面的变形方法.该方法首先针对大规模点云曲面建立ObbGraph结构,然后通过对ObbGraph的变形来驱动原始点云模型的变形.ObbGraph的建立基于OBBTree的构建以及有向包围盒的相交测试,ObbGraph的变形则通过非线性优化每个节点的仿射变换而实现,原始点云模型的变形由ObbGraph每个节点的仿射变换的线性组合得到.通过约束每个节点的仿射变换尽量为刚体变换,能够较好地保持原始模型的特征.实验结果表明,对于大规模点云曲面的变形,该方法计算简单、速度快,能够较好地保持几何特征,是一种行之有效的方法.

关键词： ObbGraph 大规模点云细节保持变形

在线全文

学校读者我要写书评

暂无评论

大规模点云内外存调度绘制技术

计算机工程 2014年第1期40卷 49-54页

作者：张毅吕秀琴武汉大学测绘学院武汉430079 武汉大学资源与环境科学学院武汉430079

为实现大规模点云的快速绘制,提出以部分内存访问机制为基础、以节点点数上限为叶节点形成条件的平衡八叉树存储结构。设计点云内外存调度绘制流程,包括节点可见性判断、内外存数据调度和点云绘制等环节。为提高可见性判断的效率,在视... 详细信息

为实现大规模点云的快速绘制,提出以部分内存访问机制为基础、以节点点数上限为叶节点形成条件的平衡八叉树存储结构。设计点云内外存调度绘制流程,包括节点可见性判断、内外存数据调度和点云绘制等环节。为提高可见性判断的效率,在视点与节点距离、夹角约束条件的基础上给出节点可视半径约束。利用实测大规模点云数据进行实验,结果证明,该技术可以在有限的内存资源条件下,以较小的内存消耗实现上亿级规模点云从整体到局部的流畅绘制。

关键词：大规模点云平衡八叉树内外存调度部分内存访问可见性判断点云绘制

基于MPI的大规模点云曲面并行重构系统设计与实现

在线全文

学校读者我要写书评

暂无评论

基于MPI的大规模点云曲面并行重构系统设计与实现

作者：税凡电子科技大学

学位级别：硕士

点云处理技术,正随着数据测量技术的发展而快速发展。该技术以点作为物体重建的基础,对物体绘制与重建的速度的提高、大规模数据处理能力的加强、及计算机处理量的加大等具有巨大的优势,是逆向工程研究的一个热点。同时,随着社会对石油... 详细信息

点云处理技术,正随着数据测量技术的发展而快速发展。该技术以点作为物体重建的基础,对物体绘制与重建的速度的提高、大规模数据处理能力的加强、及计算机处理量的加大等具有巨大的优势,是逆向工程研究的一个热点。同时,随着社会对石油、天然气等能源需求的不断增大,其对天然气和石油等矿物能源的地质勘探的要求也越来越高。随着石油勘探与开发力度的逐步扩大,勘探工区规模不断增长,需要处理的点云数据规模亦相应增大,使用单个处理器串行处理的方式已经越来越不能满足对海量点云数据的处理。本文对大规模点云数据的曲面重构问题展开研究,通过将原始点云数据分块并行的方法,实现了针对大规模点云数据的地质曲面重构方法。本文具体工作如下:1.根据点云数据及地质曲面的特点,构建了一套适用于大规模点云数据进行复杂地质曲面重构的并行处理系统。该系统根据曲面重构流程划分为七个模块:原始点云数据的动态划分与任务分配模块、子块中原始点云数据的预处理模块、网格构建与断层投影模块、约束Delauany三角网的构建与空间三角网的恢复模块、曲面插值模块、全局拼接平滑模块。在控制节点与计算节点的协同处理下,获取大规模点云数据的光滑重构曲面。该系统经过实际工区数据的测试,通过重建的空间曲面与原始点云数据的位置分布对比,验证了该系统的实用性。2.根据地质点云分布特点以及地质约束规律,提出了一种针对地质曲面的插值算法。该算法针对原始点云数据分布散乱、无规律,且在断层区域存在相同(x,y)坐标下分布不同属性z值的点,易造成插值数据不准确的问题。该方法通过原始层位点云数据与断层约束点进行Delaunay三角网构建,根据待插值曲面网格点索引定位其所在三角形,并利用插值三角形顶点数据对其进行插值,在与后续曲面平滑算法结合后,减少了曲面平滑的达到平滑精度所需次数的同时,使得最终获取的重构曲面符合原始点云数据分布。该算法,经过实际工区勘测数据验证其实用性与准确性。

关键词：大规模点云并行处理曲面重构曲面插值

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的大规模点云表面重建算法研究

基于深度学习的大规模点云表面重建算法研究

作者：密振兴华中科技大学

学位级别：硕士

将点云重建为易于表达和操作的三角表面,是三维空间表达建模及在三维渲染、虚拟现实和增强现实等领域应用的重要基础。传统的几何表面重建方法取得了巨大的成功并在实际中得到了广泛应用,但仍然存在扩展性不强,重建质量不高的问题。随... 详细信息

将点云重建为易于表达和操作的三角表面,是三维空间表达建模及在三维渲染、虚拟现实和增强现实等领域应用的重要基础。传统的几何表面重建方法取得了巨大的成功并在实际中得到了广泛应用,但仍然存在扩展性不强,重建质量不高的问题。随着深度学习技术的发展,采用深度学习克服表面重建中的问题成为研究热点。但目前基于深度学习的方法在重建规模和重建质量上远不能与传统的方法相比,其应用受到了极大限制。通过对传统几何方法的特征构造方式和深度学习框架的深入分析,提出将几何方法特征构造的核心概念融入到深度学习网络中,提取与表面直接相关的几何结构特征,并设计适应复杂点云的网络结构和重建流程。着重解决了深度学习方法所面临的不可扩展、无法重建几何细节和泛化性差等问题,使得深度学习方法在重建质量和重建规模上能够与传统优秀的几何方法相比,为深度学习表面重建方法未来在实际中的广泛应用提供了重要基础。研究内容和创新点具体总结如下:第一,首先介绍点云表面重建问题的基本内涵和输入、输出数据的特点,提供背景知识。然后对几何表面重建算法的核心概念和常用算法进行详细的介绍,分析几何方法中的有符号距离、法向等重要的几何特征构造以及函数拟合方式,然后对深度学习重建算法框架和问题进行介绍,重点分析其网络结构和表面特征构造方面的问题,为将几何方法特征构造的核心概念融入到深度学习网络中提供思路。第二,提出一种可扩展的基于深度学习的点云表面重建算法,首次解决深度学习重建算法的可扩展性问题,并极大提高了深度学习算法的重建精度和泛化性。算法使用与八叉树结构无关的网络操作对八叉树的顶点进行表面前后二分类,确保算法可扩展。提出一种一致性点云表面特征提取网络层,为八叉树的顶点构造局部几何感知特征,能够重建局部的几何细节,提高网络的重建精度和泛化性。实验表明此算法能够在很高的时间效率下为大规模的点云重建高质量的表面,并且只需要很少的训练数据即可获得很高的精度和泛化性。第三,提出一种基于深度学习的德劳内三角化表面重建算法,首次将深度学习应用到德劳内三角化上,充分利用德劳内三角化自适应点云数据的特点重建大规模点云的复杂场景。算法将德劳内三角化看做标准的图模型,将点云特征聚合到图模型中得到几何特征增强的图模型,设计图滤波模块和邻域一致性损失,能够精确地预测德劳内三角化中四面体的内外标签,进而从四面体中提取三角表面。实验表明此算法能够自适应地为复杂点云重建高质量的表面,并且在不同类型的数据上拥有很好的泛化性。

关键词：深度学习三维重建表面重建大规模点云可扩展性德劳内三角化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于四叉树的大规模点云管理及实时渲染

地理空间信息 2016年第9期14卷 32-34页

作者：张东升李国柱马波昆明市测绘研究院云南昆明650051 昆明理工大学国土资源工程学院云南昆明650093

三维激光扫描仪能够获取非常详尽的信息,但扫描仪的随机软件多数只能控制设备和数据显示,缺乏足够的点云后处理和空间分析功能。设计了一种基于四叉树的大规模点云管理算法,使用四叉树来对点云进行管理,以期对大规模点云进行高效管理并... 详细信息

三维激光扫描仪能够获取非常详尽的信息,但扫描仪的随机软件多数只能控制设备和数据显示,缺乏足够的点云后处理和空间分析功能。设计了一种基于四叉树的大规模点云管理算法,使用四叉树来对点云进行管理,以期对大规模点云进行高效管理并进行实时渲染。

关键词：大规模点云四叉树点云渲染空间数据结构

融合颜色信息和多尺度几何特征的点云语义分割方法

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2024年第6期26卷 1562-1575页

作者：张华徐瑞政郑南山郝明刘东烈史文中中国矿业大学环境与测绘学院徐州221116 香港理工大学土地测量及地理资讯学系中国香港999077 贵州省基础地理信息中心贵阳550004

大规模室外点云具有丰富的空间结构,是地理信息获取重要手段之一,由于其本身具有不规则性、复杂几何结构特征及地物尺度变化大等特征,点云分割的准确性依然是一个巨大的挑战。特别是目前大规模点云几何信息及颜色等信息利用不充分等问题... 详细信息

大规模室外点云具有丰富的空间结构,是地理信息获取重要手段之一,由于其本身具有不规则性、复杂几何结构特征及地物尺度变化大等特征,点云分割的准确性依然是一个巨大的挑战。特别是目前大规模点云几何信息及颜色等信息利用不充分等问题,为解决这些问题,本文提出了一种融合颜色信息和多尺度几何特征的点云语义分割方法(Integrating Color Information and Multi-Scale Geometric Features for Point Cloud Semantic Segmentation(CMGF-Net))。该方法中,分别设计了几何特征信息提取和语义特征信息提取模块。在几何特征信息提取模块中,为了充分利用点云数据的几何特征信息,设计了2个特征提取模块,分别是局部邻域的相对位置特征提取模块(RPF)和局部邻域的几何属性提取模块(LGP)。其中,RPF模块利用三维点云的空间法向信息以及相对空间距离,提取邻域点与当前点的相对位置关系;LGP模块利用点云几何属性在不同地物上有独特的表现特性,融合局部区域的几何属性特征;然后通过所设计的几何特征融合模块(LGF)将RPF模块和LGP模块所提取的特征信息进行融合得到融合后的几何特征信息。此外,为了从点云中学习到多尺度的几何特征,CMGF-Net在不同尺度的网络层中都进行了几何特征的提取,最终将所提取的几何特征与基于颜色特征提取的语义特征信息分层进行融合,以提高网络的学习能力。实验结果表明所提出的网络模型在Semantic3D数据集上的平均交并比(mIoU)和平均准确率(OA)达到了78.2%和95.0%,相较于KP Conv提高了3.6%和2.1%;在Sensat Urban数据集上达到了59.2%和93.7%,由此可见本文所提出的网络模型CMGF-Net在大规模室外场景点云分割具有较好的结果。

关键词：大规模点云语义分割法向量几何属性相对位置关系多尺度特征融合几何特征提取

基于自注意力机制的自动驾驶场景点云语义分割方法

在线全文

学校读者我要写书评

暂无评论

汽车工程 2022年第11期44卷 1656-1664页

作者：王大方尚海曹江王涛夏祥腾韩雨霖哈尔滨工业大学(威海)汽车工程学院威海264200 陆军装甲兵学院北京100072

对车载激光雷达场景点云进行语义分割是自动驾驶环境感知环节的基础性工作。针对现有处理大规模自动驾驶场景点云方法对局部特征提取能力不足和难以捕捉全局上下文信息的问题,本文基于自注意力机制设计了局部和全局自注意力编码器,并搭... 详细信息

对车载激光雷达场景点云进行语义分割是自动驾驶环境感知环节的基础性工作。针对现有处理大规模自动驾驶场景点云方法对局部特征提取能力不足和难以捕捉全局上下文信息的问题,本文基于自注意力机制设计了局部和全局自注意力编码器,并搭建了特征聚合模块进行特征提取。实验结果表明,与同样采用局部特征聚合的网络RandLA-Net相比,在SemanticKITTI数据集上本文的方法可将平均交并比提升5.7个百分点,局部自注意力编码器的加入也使车辆和行人等小目标的分割精度提高2个百分点以上。

关键词：语义分割大规模点云自注意力机制

基于深度学习的点云表面细节恢复与快速重建算法

在线全文

学校读者我要写书评

暂无评论

基于深度学习的点云表面细节恢复与快速重建算法

作者：袁赣张秦华中科技大学

学位级别：硕士

点云表面重建是三维重建领域的一个重要研究问题,其实际应用非常广泛。传统的点云表面重建算法发展许久并取得了相当不错的成果,但对非常规点云的重建仍存在问题。近年来,深度学习的迅速发展为点云表面重建提供了新思路,涌现出了一批基... 详细信息

点云表面重建是三维重建领域的一个重要研究问题,其实际应用非常广泛。传统的点云表面重建算法发展许久并取得了相当不错的成果,但对非常规点云的重建仍存在问题。近年来,深度学习的迅速发展为点云表面重建提供了新思路,涌现出了一批基于深度学习的算法。这些算法对非常规点云容忍度更高,但对稀疏点云的细节恢复和大规模点云的快速重建仍存在问题。本文针对这两个问题,总结研究现有方法的设计思路,实验探究现有方法的优缺点,最后提出了两种新的相应解决算法,推进基于深度学习的点云表面重建算法在实际中的应用。本文的主要工作和创新如下:第一,针对点云稀疏情况下细节恢复易出错的问题,提出一种基于局部信息提取的深度学习点云表面细节恢复算法。首先,设计了一种点云局部特征编码方式,能高效地聚合潜在的局部细节信息。其次,引入了一种高频位置编码策略,增强算法对点云位置信息的挖掘学习能力。最后,使用一种多尺度特征编码策略,将局部特征进行范围性沟通以保证整体结构的正确重建。实验表明,算法可以有效解决点云稀疏情况下重建细节易出错的问题,并且算法能在不同程度稀疏的点云上良好泛化,面对极端稀疏点云依旧能拥有不错的重建效果。第二,针对大规模点云处理速度慢的问题,提出一种基于多层级特征融合的深度学习点云表面快速重建算法。首先,设计了一种基于几何计算的顶点特征构造方法,方法实现了不依赖网络对局部空间中潜在表面信息进行编码,能够快速完成对八叉树顶点特征的构造。其次,提出了一种多层级顶点特征融合策略,将低层八叉树顶点特征向高层顶点进行逐步融合以扩大顶点特征感知域,同时结合八叉树结构特点对操作进行了速度优化。最后,使用一种联合损失监督方式训练网络以加强多层级顶点特征的学习效果,提升算法重建表面的质量。实验表明,算法能够快速并高质量地完成对大规模点云的表面重建任务,实现了对大规模点云的快速重建。

关键词：深度学习点云表面重建稀疏点云细节恢复大规模点云快速重建