检索结果-南通市图书馆

作者：郭智溢四川大学

学位级别：硕士

增强现实技术将经过计算机渲染的虚拟物体与真实场景相融合,广泛应用于电影制作、医疗辅助、工业生产、娱乐等领域。为了保证虚拟物体和真实场景融合的真实感,需要渲染虚拟物体时使用的光照信息与真实环境保持一致,实现虚实融合的光照... 详细信息

增强现实技术将经过计算机渲染的虚拟物体与真实场景相融合,广泛应用于电影制作、医疗辅助、工业生产、娱乐等领域。为了保证虚拟物体和真实场景融合的真实感,需要渲染虚拟物体时使用的光照信息与真实环境保持一致,实现虚实融合的光照一致性。受可控光源的影响,室内场景中的光照条件比较复杂并且具有动态变化的特点。对室内场景光照的动态变化进行估计,是实现增强现实光照一致性的重要技术。综上,室内场景的动态光照估计具有重要的研究意义。早期的相关研究中,对室内光照的估计需要在初始化阶段输入有关场景几何特征或者光源的信息,例如使用人工手动标定场景内的光源或者通过专用深度信息扫描设备对场景进行三维重建来获取场景的几何信息。虽然这些方法能够得到比较准确的室内光照估计,但是一旦场景中的光照发生变化就需要重新执行这些繁琐的初始化步骤。近年来,随着深度学习技术的发展,研究者开始使用基于深度学习的方法来对室内场景的光照进行估计。这些新方法相比早期研究中的方法只需要更少的输入即能对场景中的光照进行估计。然而室内场景的光照是复杂多变的,这些方法因为使用的场景信息过少,造成光照估计结果往往只能保留低频部分,丢失了许多细节。若需要渲染的物体具有高反射率的光滑表面,那么渲染结果将会大打折扣。因此,结合传统方法和深度学习方法,使用合适的输入获得准确的光照估计结果,将具有重要的实用价值。为了使室内动态光照估计能够在可接受的输入条件下获得准确结果,本文提出了一种新的基于卷积神经网络的室内动态光照估计方法。该方法只需要一张包含场景内所有主要光源开启时采集到的HDR全景光照贴图作为初光照贴图,与光照发生变化后在场景中采集到的有限视界的LDR图像共同作为输入。通过对室内场景光照变化后对应的光照差值图像进行估计,并使用估计得到的差值图像更新初光照贴图来获取光照变化后当前场景的光照分布。本文的主要贡献如下:1.本文创新地提出了使用光照差值图像表示室内场景的光照变化。这种差值图像能够记录初始HDR全景光照贴图与场景光照变化后对应的全景光照贴图之间的差异。使用光照差值图像可从初始HDR全景光照贴图中恢复出光照变化后的光照贴图,从而能尽最大程度保留初始HDR全景光照贴图中非主要光源的细节,提升虚拟物体在真实场景中的渲染效果。2.本文提出一种基于卷积神经网络的双输入端对端网络估计光照差值图像。该网络能通过初始HDR全景光照贴图与光照发生变化后在场景内采集到的有限视界的LDR图像,对光照差值图像与光源掩膜进行估计。该网络包含三个子网络:LDR图像特征提取模块、光照差值图像估计模块以及光源掩膜估计模块。其中,两个估计模块以U-Net架构为基础使用了共享编码器的策略来提升网络性能。为了加强网络对光照差值图像中光源变化区域的关注,本文引入了Attention Gate注意力机制模块,进一步提升光照差值图像估计模块的准确性。3.本文制作了一个使用渲染引擎渲染的高质量室内场景的动态光照合成数据集用于网络训练。基于Scene Net数据集提供的三维场景,重新编辑了数据集中的光源和相机位置,生成了一个包含多光照条件的HDR全景光照贴图数据集。同时为了进一步对网络进行测试,本文还制作了一个完全在真实场景中采集的包含多种光照情况的HDR全景光照贴图数据集。本文在制作的合成数据集和真实数据集上对所提方法进行了测试。实验表明:相比已有的方法,本方法能够较好的对室内动态光照进行估计且保留了更多的光照细节,使用本文方法的估计结果对虚拟物体进行渲染能够获得较为真实的渲染结果。

来源：

同方学位论文库评论

基于深度学习的室内场景人员检测方法研究

引用

作者：李玉乐国防科学技术大学

学位级别：硕士

随着大数据时代的到来,每天产生大量的图片和视频数据,计算机视觉作为对图片进行处理的计算机技术,越来越多的被应用到日常生活中来,如目标识别,目标检测,语义分割和目标追踪等。而随着计算机技术的发展,尤其并行计算,高性能计算和GPU... 详细信息

随着大数据时代的到来,每天产生大量的图片和视频数据,计算机视觉作为对图片进行处理的计算机技术,越来越多的被应用到日常生活中来,如目标识别,目标检测,语义分割和目标追踪等。而随着计算机技术的发展,尤其并行计算,高性能计算和GPU技术的发展,计算机视觉近年来得到迅速的发展。目标检测作为计算机视觉中最基本的问题,更是取得了突破性进展,由于其重要性以及性能的提升,增加了越来越多的对计算机视觉的需求,如活动识别,自动驾驶,智能监控系统、军事目标检测及医学导航手术中手术器械定位等,而这增长的需求又同时催生了目标检测的技术发展。针对目标检测领域,本文的工作聚焦在室内场景人员检测,主要基于深度学习方法。本文探索了在有监督数据的情况下,基于深度学习的人员检测,包括基于深度网络和递归网络的室内场景人员检测和基于区域特征和局部特征融合的人员检测。同时还探索了在大数据时代,在无监督或者弱监督的情况下,如何进行人员检测,提出了一个基于视频的弱监督的人员检测方法。因此,本文的工作主要概括为以下三个方面:(1)使用了一种基于卷积网络和递归网络的室内场景人员检测方法。由于室内场景的光线,人员尺寸,外表等的变化,本文使用一个深度卷积网络来提取场景内的目标特征,然后将其进行编码成深度特征,最后使用递归神经网络来解码深度特征成目标框。具体而言,本文先将图片变成一个网格,每个网格是一个1024维的向量,每个向量对应输入图片的的一个区域。这1024维的向量编码了相应输入区域的特征,携带了丰富的信息如目标的位置信息。LSTM单元从这个表示向量获取信息,然后作为一个解码器来解码区域特征。对于递归网络解码的每一步,LSTM单元输出一个新的包围框和相应的分数,前一个没有预测的人会在当前步骤输出。同时包围框的分数鼓励以递减的序列产生。当某个LSTM输出的分数低于某个阀值的时候,停止信号产生。最后收集输出结果并作为这个区域内多个实例的最终预测结果。该方法在室内场景有标签的情况下,可以获得很高的检测精度,同时也有很好的检测速度。(2)提出了基于区域特征和局部特征融合的人员检测方法。本节针对室内场景进行人员检测,尤其对稠密场景下的人头进行检测。在稠密场景中检测人头是一个很困难的任务,由于衣服和外表的大幅度变化,人的小尺寸以及一些很强的遮挡。传统的自底向上提框方法和区域提框网络或者召回率低或者精度不高。在这篇文章中,本文通过集成局部头部信息到区域提框模型中,同时提高了人头检测的召回率和精度。本文首先使用一个区域回归网络来预测一个区域内多个人头实例的包围框和相应框的分数,然后使用这些包围框来训练一个局部人头分类器,最后提出一个自适应的融合方法来组合每个候选包围框的区域和局部分数,从而得到一个更精确的包围框分数。本文的融合方法可以自动的从数据中学习最优的超参数,同时本文的算法在一个稠密数据集上取得了很好的效果,检测精度明显超出当前同类最好的方法。(3)提出了一种基于视频的无监督室内场景人员检测方法。虽然在有标签的情况下,人员检测的性能能够达到比较高的水平,但是标签数据往往很难获得,同时数据又不断的更新,因此基于无监督或者弱监督的人员检测方法就十分重要,而这方面相关工作不是很多。因此,本文针对室内场景数据,介绍了一种基于视频的弱监督人员检测检测方法。由于本文关注的室内场景人员检测,因此实际上只需要给定包含人的视频,本文的方法可以自动的学习一个针对该场景的人员检测模型。本文的方法包含两个过程,训练过程和测试过程。训练过程包含多个阶段,其主要包含:1)基于高斯混合模型的前景提取;2)基于聚类算法的前景实例划分;3)基于伪标签的模型训练。而一旦在训练阶段学习到目标检测模型,测试过程只需要输入测试图片,然后端到端的输出检测结果,因此测试是非常方便的。

来源：

同方学位论文库评论

基于FEKO仿真的室内场景信道特性分析

引用

作者：刘玉龙北京交通大学

学位级别：硕士

当前无线通信的热点区域多集中在卧室、办公室、大厅等室内场景。数据表明,室内数据业务量占比至少70%,而且随着移动互联网时代的到来,室内数据业务量增长的趋势更加明显。因此研究室内移动通信系统具有重要意义。室内场景不同于室外场... 详细信息

当前无线通信的热点区域多集中在卧室、办公室、大厅等室内场景。数据表明,室内数据业务量占比至少70%,而且随着移动互联网时代的到来,室内数据业务量增长的趋势更加明显。因此研究室内移动通信系统具有重要意义。室内场景不同于室外场景。相对于农村以及城市郊区的室外场景,室内场景具有封闭性和狭小性的特点,相对于市区的室外场景具有很多车辆和行人等,室内场景移动物体较少,因此室内场景的信道特性与室外场景有很大不同,有必要单独针对室内场景信道特性研究。传统的无线信道特性分析一般建立在实地信道测量的基础上。本文基于综合电磁仿真软件FEKO,进行了信道小尺度衰落、时延和角度谱等特性研究,具有成本低、参数可控、易于实施等优点。本论文的主要内容如下:(1)介绍了无线信道传统研究机制,在此基础上比较了实地测量与FEKO仿真两者的优劣。用FEKO仿真代替实地测量步骤,进而进行无线信道特性分析等,这是本论文的一个特色。(2)选取了四种典型室内场景(走廊场景、拐弯走廊场景、办公室场景、走廊与办公室组合场景),根据FEKO软件仿真得到的场强数据,基于三种检测方法(K-S检测、χ2检测、AD检测)确定了小尺度衰落分布,研究了不同场景、不同频率、不同位置时分布参数变化情况,给出了每个场景的衰落余量建议。(3)通过一个简单的两径模型验证了运用FEKO进行电波传播时延特性研究的可行性,选取了四种室内场景,根据FEKO软件仿真得到的S21参数得到了对应场景下的功率时延谱,进而得到了平均时延和均方根时延扩展,最后探究了收发天线距离和中心频率对时延特性的影响。(4)介绍了角度功率谱估计的MVDR算法,通过单径LOS和单径NLOS两个简单模型验证了基于FEKO仿真进行角度功率谱估计的可行性,选取了两种典型室内场景,根据FEKO仿真得到的S21参数得到了角度功率谱,并以此为基础分析了角度谱特性,包括波簇个数及相应功率比、到达角、离开角、角度功率谱及所服从的分布、角度扩展等几个方面。本论文的研究成果可以用于室内场景通信系统设计和网络部署。

来源：

同方学位论文库评论

基于点云的室内场景物体提取方法研究

引用

作者：王锋涛西安理工大学

学位级别：硕士

室内场景物体提取在智能机器人、计算机视觉智能等领域有着广泛的应用,对于场景建模、目标检测、场景分析等都具有重要的意义。目前的方法基本是基于完整点云场景模型上的物体提取,而单视点下的场景点云模型与人的视觉观察模型具有一致... 详细信息

室内场景物体提取在智能机器人、计算机视觉智能等领域有着广泛的应用,对于场景建模、目标检测、场景分析等都具有重要的意义。目前的方法基本是基于完整点云场景模型上的物体提取,而单视点下的场景点云模型与人的视觉观察模型具有一致性,目前的方法对此类点云模型表达的场景中物体的提取具有一定的局限性。为此,本文以实测单视点下的单侧点云场景数据为研究对象,开展了以下的研究工作:（1）实现了一种单视点测量的点云场景预处理方法。构造了 KD-Tree树,进而基于KD-Tree去除了离群点,排除了噪声点的干扰。使用随机抽样一致性算法检测了场景中的所有平面,估计了场景的旋转方向,给出了旋转转换矩阵,进而完成场景的竖立变换。（2）给出了一种基于投影的场景分割方法。将场景旋转为自然竖直方向之后,场景中的最低水平平面就是地面,而与地面垂直且在场景最外围的平面则为墙面。则首先将地面和墙面从场景中去除,之后对剩余点向地面平面所在的二维坐标系投影,进而使用基于距离的区域生长算法进行平面上投影的区域聚类分割,最后通过反向映射,获得对三维场景点集的分割。（3）设计了一种场景划分的物体提取方法。对于每个被划分出来的场景（称为子场景）,首先检测其中的最大水平平面,提取其在法向量方向上的点集。对于这些点集利用平面检测算法对其进行分割,并判断相邻平面的凹凸性,对形成凸关系的相邻平面合并为一个物体,最终完成物体的提取。（4）给出了一种场景表达与场景拓扑结构构建的方法。使用物体中心点作为结点来表示物体,并采用采有向包围盒实现物体提取的优化,使用几何体来代替相应的物体,最后使用结点间最短路径的方法构建场景拓扑图。

来源：

同方学位论文库评论

基于彩色-深度图像信息的室内场景语义分割研究

引用

作者：谭冲武汉科技大学

学位级别：硕士

图像语义分割一直是计算机视觉领域的研究热点,其目的是通过分割不同物体,赋予物体不同语义类别标签,使计算机全面地获取场景语义信息。但目前研究主要聚焦在使用彩色图像数据作为训练,针对室外场景且单一任务的语义分割。而在实际应用... 详细信息

图像语义分割一直是计算机视觉领域的研究热点,其目的是通过分割不同物体,赋予物体不同语义类别标签,使计算机全面地获取场景语义信息。但目前研究主要聚焦在使用彩色图像数据作为训练,针对室外场景且单一任务的语义分割。而在实际应用中,室内场景比室外更加复杂,机器人除了需要知道物体的语义类别信息之外,还需要知道物体的位置信息以便完成更为复杂的视觉任务,同时室内场景光照等因素会对彩色图像产生影响。针对以上问题,本文以复杂室内场景为研究对象,利用RGB-D图像信息,基于深度学习、卷积神经网络算法为研究基础,开展联合目标检测的多任务语义分割研究,主要研究工作如下:(1)基于Kinect室内场景数据库的建立。通过Kinect的相关内置参数矩阵,确定相机彩色摄像头与深度摄像头的位置关系,保证相机采集的彩色与深度图像一一对应。利用Kinect获得室内场景的彩色图像和深度图像,构建室内场景图像数据库。(2)基于卷积神经网络的RGB图像室内场景语义分割。构建基于改进的FCN语义分割模型,采用迁移学习的思想对模型进行训练,引入深度优化算法,提升网络的训练速度和收敛速度,建立室内场景下基于彩色图像的训练模型,语义分割预测实验验证了算法的有效性。(3)基于RGB-D图像的室内场景多任务语义分割。基于改进的Faster-RCNN算法构建联合目标检测的多任务语义分割模型,使其同时实现语义分割、目标分类和检测多项视觉任务。同时通过对彩色和深度图像进行融合、引入RoIAlign、改进NMS算法等系列操作来提高模型的性能。针对室内场景语义分割问题,使用彩色、深度、融合图像数据分别对模型进行训练,通过多次实验对比,验证了本文多任务语义分割模型的可行性和准确性,使用RGB-D融合图像训练得到的精确度比分别使用彩色、深度图像提高了2.650%、17.675%。

来源：

同方学位论文库评论

基于移动机器人平台的复杂室内场景自动采集与三维重建

引用

作者：张俊宇中国科学院大学(中国科学院深圳先进技术研究院)

学位级别：硕士

随着机器人与三维感知技术的飞速发展,机器人如何理解真实场景,特别是复杂室内场景变的越来越重要,对人机交互、地图构建与导航、虚拟现实等领域都具有重要意义。本研究旨在解决基于移动机器人平台的主动式场景探索重建与识别的问题,首... 详细信息

随着机器人与三维感知技术的飞速发展,机器人如何理解真实场景,特别是复杂室内场景变的越来越重要,对人机交互、地图构建与导航、虚拟现实等领域都具有重要意义。本研究旨在解决基于移动机器人平台的主动式场景探索重建与识别的问题,首先机器人需要对三维空间进行建模,得到场景的三维模型,然后对于模型的理解可以先从单一物体识别入手,在延伸至场景的识别。因此,本论文主要从以下三个方面展开研究:三维模型的重建、单一物体的识别、场景的识别。三维重建已经有很多的研究成果,这里选用现有的KinectFusion技术对场景的表面进行重建,而我们主要的研究点在于复杂室内场景的完整性扫描。本研究提出一种基于张量场的机器人路径规划方法,将空间中的物体对场进行约束和更新,生成机器人路径并指导其进行探索。同时,我们还对手持扫描仪的轨迹进行了优化,使得其更加平滑。对一个给定的场景模型,我们将单一物体的识别问题划分为两个部分:细粒度的物体识别和下一最优视点（Next Best View,即NBV）的预测。我们主要关注细粒度的物体识别,由于模型数据量庞大,单一的分类器无法完成工作,因此提出一种树状的层次化分类器,用于实现由粗到精的物体识别;其次,由于三维空间中物体关系复杂,常常存在遮挡等情况,使得单一视角的观测无法完成识别,因此引入下一最优视点（Next Best View,即NBV）问题。受到手写体识别的启发,我们引入递归神经网络的增强学习模型进行下一最优视点的预测。识别单一物体的最终目的在于场景的理解。对于给定一张场景的图片,由于计算开销大,且空间的位置关系复杂,卷积神经网络难以识别,因此引入增强学习模型,每次聚焦于图片中的局部区域进行物体识别,并不断判断下一个观测点,将观测到的信息进行融合,从而理解局部与整体的关系,达到场景识别的目的。最后,将上述的方法都融合到机器人平台,成为一个主动式的探索与识别系统。

来源：

同方学位论文库评论

毫米波/亚毫米波段室内场景信道传播特性研究

引用

作者：管怡成北京邮电大学

学位级别：硕士

无线通信技术的发展,极大地加速了移动网络数据业务量的增长,而大容量、高速率、低时延等通信指标的升级又进一步加剧了低频段频谱资源的枯竭。为了满足无线通信持续增长的需求,需要研究与开发更高频段的毫米波/亚毫米波段。而毫米波/... 详细信息

无线通信技术的发展,极大地加速了移动网络数据业务量的增长,而大容量、高速率、低时延等通信指标的升级又进一步加剧了低频段频谱资源的枯竭。为了满足无线通信持续增长的需求,需要研究与开发更高频段的毫米波/亚毫米波段。而毫米波/亚毫米波段拥有丰富的连续空闲带宽资源,具有波束窄和受天气干扰影响小等优势。因此作为第五代(5G,Fifth Generation)移动通信系统通信波段的毫米波乃至于频段更高的亚毫米波段,已经受到了学界与工业界的广泛关注。但是毫米波/亚毫米波段波长短、频率高,较高的传输损耗与对通信场景敏感的频带特性也为信道研究与场景选择带来了新的挑战。而室内场景作为未来通信的主要场景,本身已经具有极大的研究意义,2019年华为发表的《室内5G场景化白皮书》也表明未来有超过80%的数据业务发生在室内。室内场景往往具有相对较近的通信距离与更为固定的场景布置,因此将毫米波/亚毫米波段应用于室内短距离高速通信不仅极具应用前景,而且也能更好地发挥这一频段的优势。考虑到通信主要指标如通信速率、通信质量与系统容量都会受到信道特性的影响,毫米波/亚毫米波段在5G的实际应用需要对于这一波段信道特性的充足了解,以支持通信系统的设计与物理层技术的优化。因此,对于毫米波/亚毫米波段传播信道特性的充分了解是实现这一波段的实际应用与场景部署的前提。本文围绕毫米波段/亚毫米波段,基于信道实测,提取路径损耗、莱斯K因子与反射系数等参数,研究室内场景信道传播特性与典型建筑材料反射特性。具体的研究内容如下:1.工业物联网场景(IndustrialInternetof Things,IIoT)的传播特性研究。选取机械生产车间作为典型室内工业物联网场景,在5G授权频段4.9 GHz与28 GHz进行了信道测量。基于实测数据,提取了路径损耗与莱斯K因子参数,研究了不同收发端天线距离下信道参数的变化规律,按照视距(Line-of-Sight,LOS)与非视距(Non-Line-of-Sight,NLOS)场景对高低频点进行对比分析。同时结合机械生产车间较多金属材料的场景特点,以国际标准组织第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)TR 38.901通信标准中的室内办公室场景为参照,分析了 IIoT场景的信道传输特性。2.IIoT场景不同天线高度对信号传播影响研究。由于工业场景的大尺寸,天线可以部署在很宽的高度范围内。因此天线高度对信道参数的影响更为显著。本文统计了测试场景不同高度散射体的面积占比,绘出散射体高度的累积分布函数(Cumulative Distribution Function,CDF),基于CDF图设计了四种不同收发天线高度的对比测数组,进行了信道测量,提取路径损耗与莱斯K因子参数,研究天线高度不断增加时信道特性的变化规律。3.室内短距离传播特性与典型建筑材料反射特性研究。在更高的频段,即220 GHz-330 GHz,现有的测量较少,本文首先选取室内短距离通信场景,在310 GHz进行了信道测量,提取了路径损耗与莱斯K因子参数,研究这些参数在310 GHz频段0.2-2.27 m短距离通信场景的变化趋势,结合自由空间路径损耗模型,对比分析测试环境的信道特性。同时,由于220 GHz-330 GHz信号波长与各类散射体散射表面尺寸相近,因此实际的传播特性受实际传播场景与主要散射体的影响相比传统通信频段将更为明显。所以这一波段反射特性对于信道传播特性的研究将具有更大的意义。本文选取五类典型室内建筑材料,在220-330 GHz波段进行了反射特性测量,基于测量材料与入射角度对220-330 GHz的反射特性进行分析与归纳。综上,本文针对室内场景,搭建了毫米波段/亚毫米波段信道测试平台,并基于该平台信道测量得到的IIoT与室内短距离场景下的参数,研究了毫米波段/亚毫米波段的信道传播特征,与典型建筑材料的反射特性。本文的研究为新兴的IIoT场景的标准化提供了理论基础,同时也为射线追踪等仿真技术提供了 220-330 GHz波段更为精准的反射参数,为室内深度覆盖研究提供了基础。

来源：

同方学位论文库评论

基于深度学习的三维室内场景语义分析研究

引用

作者：吴殿元国防科技大学

学位级别：硕士

随着智能家居机器人、无人驾驶、虚拟现实等新兴产业的爆炸式发展,对三维场景的语义分析与理解的需求也越来越紧迫。与此同时,空间扫描技术的越发成熟,三维传感技术也取得了重大进展,大量的真实场景三维点云数据的获取也越来越容易。为... 详细信息

随着智能家居机器人、无人驾驶、虚拟现实等新兴产业的爆炸式发展,对三维场景的语义分析与理解的需求也越来越紧迫。与此同时,空间扫描技术的越发成熟,三维传感技术也取得了重大进展,大量的真实场景三维点云数据的获取也越来越容易。为此,三维场景的语义分析也越来越受到数据的驱动。由于三维点云数据的无序性,基于卷积神经网络的深度学习方法不能直接作用于点云上,而将点云数据转换为体素,采用三维卷积方法的计算开销太大,也不适用于室内场景的语义理解。为此直接基于三维点云数据的深度学习方法应运而生。Point Net是基于点云的深度学习的先驱工作,该框架能有效的提取点云特征,但在语义分析上的表现却不尽如人意。本文利用基于Point Net网络框架对室内场景点云进行语义分割,在此基础上进一步的对室内场景进行语义分析,包括目标检测和三维实例分割等。本文针对三维室内场景语义分析的研究,主要工作和成果如下:首先,本文提出了一种基于度量距离的室内场景目标检测算法。本文设计的目标检测方法是通过室内场景点云的语义分割获得各点的语义标签后,基于自定义的度量距离,通过区域增长的聚类算法,对室内场景中的目标进行聚类,从而实现目标检测。实验结果表明,对比Point Net中的BFS搜索方法,该方法具有有明显的性能优势。其次,本文提出了一种基于余弦相似度的实例分割方法。本文设计了利用余弦相似度来耦合点云特征向量与实例标签的方法;使得在实例标签的监督下,使属于同一实例的点云之间的特征向量具有较高的余弦相似度,不属于同一实例的点云之间的特征向量的余弦相似度较低。最后,我们通过改进高斯均值漂移算法对耦合实例标签的点云特征向量进行聚类,获得实例分割的效果。并在S3DIS数据集(Stanford large-scale 3D Indoor Spaces Dataset)上进行了测试,验证了我们方法的有效性,并与相关基准方法比较,我们的算法取得了良好的效果。

来源：

同方学位论文库评论

由粗至精的室内场景图像空间布局估计

引用

作者：顾雁秋南京邮电大学

学位级别：硕士

室内场景布局估计作为图像处理和计算机视觉的研究热点之一,广泛应用于3D重建、场景恢复等新兴领域。室内场景通常存在家具等杂物,虽然为场景语义分类提供较丰富上下文线索,但也会遮挡房间结构布局边界,致使仅基于RGB图像的室内场景布... 详细信息

室内场景布局估计作为图像处理和计算机视觉的研究热点之一,广泛应用于3D重建、场景恢复等新兴领域。室内场景通常存在家具等杂物,虽然为场景语义分类提供较丰富上下文线索,但也会遮挡房间结构布局边界,致使仅基于RGB图像的室内场景布局估计任务具有挑战。于是,本文设计了一种由粗至精的室内场景图像布局估计方法,主要包括改进型消失点估计方法生成布局候选项、全局特征诱导布局候选项粗选取和基于区域级特征的布局估计。针对传统方法难以估计统一顺序的消失点问题,本文提出改进型室内场景房间消失点序列化估计方法。首先,基于局部不连续自适应阈值的直线段检测方法得到室内场景图像中若干长直线段,根据线段方向性划分为竖直和水平方向线段。然后,采用投票评分机制,针对竖直方向直线段组计算相应直线段对可能竖直消失点的贡献得分,估计得到竖直方向消失点;再根据正交性原理和投票评分机制针对水平方向直线段组估计得到水平和投影方向消失点;据此,有序地估计得到相应消失点坐标值。相比于传统消失点估计方法,本文改进型消失点估计方法不仅可以提高计算效率和估计精确度,而且能有效实现有序的消失点估计。针对传统方法仅涉及布局区域级特征提取和学习,本文提出基于全局特征的布局候选项粗选取策略。首先,整幅原始图像输入以VGG-16为原型且模型参数已训练的全卷积神经网络,估计输出相应室内场景的布局边界信息;且经Softmax分类器处理上述网络fc7层特征估计出布局类别。然后,融合场景布局边界和相应类别信息生成全局特征,以约束整个室内空间布局的潜在边界,粗选取场景布局候选项,以缩小后续布局候选项的搜索空间,有利于高效选取潜在空间布局候选项。Hedau和LSUN数据集实验表明,相比于传统布局估计方法,本文全局特征诱导粗选取策略能实现对室内场景空间布局结构和房间边界位置的整体约束。针对传统布局方法仅限颜色和纹理等外观特征,本文提出融入几何深度法向量区域级特征的布局候选项最优化选取估计方法。首先,采用消失射线夹角参数化三维盒式空间布局以构建布局估计模型,将布局估计任务转化为结构化预测问题;接着,利用改进型空间多尺度VGG卷积神经网络迁移估计场景表面法向量和几何深度,几何积分累加提取并融合各个布局多边形区域的空间几何和平面外观特征为区域级特征;最后,采用Cutting-plane结构化优化算法求解模型参数。利用即得模型参数,依据最大化得分的结构化预测估计室内场景布局结构。Hedau和LSUN数据集实验表明,相比于传统布局估计方法,本文布局估计方法能提升空间布局估计的准确性,有利于提高布局模型对被室内物体遮挡场景布局边界的鉴别能力。

来源：

同方学位论文库评论

面向视频序列的三维室内场景建模技术研究

引用

作者：韩红剑重庆邮电大学

学位级别：硕士

随着我国房地产业的不断发展,VR看房、虚拟室内装修等应用被用于房地产业上,这些应用的关键在于如何去构建室内场景模型。在曼哈顿世界的假设下,室内场景往往符合“结构化场景”。这种场景存在大量受到几何约束的几何图元,这些几何约束... 详细信息

随着我国房地产业的不断发展,VR看房、虚拟室内装修等应用被用于房地产业上,这些应用的关键在于如何去构建室内场景模型。在曼哈顿世界的假设下,室内场景往往符合“结构化场景”。这种场景存在大量受到几何约束的几何图元,这些几何约束关系如垂直、平行等,利用这些图元可以推理室内场景布局和三维模型。本文以面向视频序列的三维室内场景建模的关键技术为研究内容,尝试通过从室内场景图像中提取有效的几何图元去推理室内场景结构,并以三维建模的相关理论知识为基础来构建室内三维场景。本文介绍了一般的室内场景布局的估计方法,并重点分析了关键步骤的相关技术。接着介绍了卷积神经网络和多帧图像拼接技术的相关理论知识,为基于多帧图像的室内场景建模系统设计提供理论知识。本文的主要研究内容有:1、针对现有的基于卷积神经网络的线段检测算法中存在线段检测错误、检测不全等问题,本文提出了一种基于卷积神经网络的线段检测的改进算法。首先使用端点检测网络从图像中提取线段端点,然后,利用堆叠沙漏网络得到图像的直线热力图,本文提出了一种新的结合端点信息和直线热力图生成直线的方法,降低了误检测率。实验结果表明该算法有效地改进了基于卷积神经网络的线段检测算法中存在线段检测错误、检测不全等问题,提高了线段检测精度。2、本文提出了一种利用直角特征来推理室内场景布局的方法。首先,提取室内场景中的直线段,利用这些直线段估计出室内场景的三个消失点,接着对直线对进行所属墙面的分类,之后根据这些直线对形成直角。最后,在对这些直角形成的空间直角分类之后,通过一种误差函数来从所有直角之间选出最优角作为墙角,以形成室内场景布局。实验结果表明该算法可以成功地估计室内场景布局,正确的像素百分比高于之前的方法。3、本文整合了前面两章节的线段检测算法和室内场景布局估计方法,给出了一个面向视频序列的三维室内场景建模系统设计。通过结合图像拼接的方法,构建出三维室内模型。这种方法可以满足需要带有正交关系的结构化模型的应用,并可以自动纹理贴图。实验结果表明该方法可以有效从真实的室内场景中构建室内场景模型。

来源：

同方学位论文库评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：