检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向虚拟漫游的三维室内场景生成方法

面向虚拟漫游的三维室内场景生成方法

作者：李文乔北京理工大学

学位级别：硕士

虚拟漫游技术在地产漫游、全景地图和虚拟旅游等领域有着广泛的应用。目前虚拟漫游技术中场景的生成方法主要分为两种:一种是使用三维模型手工搭建场景,该方法效果真实、细节丰富但是效率较低,不具备通用性;另一种是基于图像的漫游方法... 详细信息

虚拟漫游技术在地产漫游、全景地图和虚拟旅游等领域有着广泛的应用。目前虚拟漫游技术中场景的生成方法主要分为两种:一种是使用三维模型手工搭建场景,该方法效果真实、细节丰富但是效率较低,不具备通用性;另一种是基于图像的漫游方法,该方法能够高效地生成大规模场景,但是其也存在视角受限、无法交互等问题。本文提出了一种基于场景平面图和真实图像的室内场景自动化生成方法,可以高效地生成与真实场景接近的虚拟三维场景。本论文主要进行了以下几方面内容的研究。(1)采用了一种深度学习和整数规划相结合的场景平面图解析方法。该方法首先使用深度卷积神经网络提取场景平面图中的连接点特征。之后基于提取的连接点特征使用整数规划算法进一步求解平面图的矢量化表示。本算法具有很好的鲁棒性,并且能够达到80%的解析准确率。(2)提出了一种基于先验知识约束的室内场景布局估计方法。该方法首先使用房间布局估计算法获得房间的空间包围盒;之后使用目标检测算法获取场景中物体的类别和位置信息;最后使用最优化算法对场景中物体的三维空间布局进行估计。为保证布局估计结果的准确性和合理性,本方法借助于场景平面图以及室内场景的先验知识定义了一系列的约束条件和假设。(3)实现了面向虚拟漫游的三维室内场景生成系统。给定场景的平面图和若干张室内场景图像,基于对室内场景布局估计结果,本文从室内模型库中检索出对应的物体三维模型,将其放置到三维场景中并根据目标检测结果进行评价和优化。最终可以生成与真实场景结构一致的虚拟三维场景,进而可以实现对场景的虚拟漫游。

关键词：虚拟漫游场景理解布局估计先验知识场景生成

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向视频序列的三维室内场景建模技术研究

面向视频序列的三维室内场景建模技术研究

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。

关键词：卷积神经网络线段检测室内场景布局估计场景重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动服务机器人室内场景识别关键技术研究

移动服务机器人室内场景识别关键技术研究

作者：张杰天津理工大学

学位级别：硕士

室内场景识别是移动服务机器人为人们提供优质服务的基础,也是当今机器视觉的研究热点之一。室内场景识别主要包括布局估计、场景分类和目标检测等。由于布局估计常常受到室内复杂环境、光照阴影和杂乱物品的影响,因此,在室内场景识别... 详细信息

室内场景识别是移动服务机器人为人们提供优质服务的基础,也是当今机器视觉的研究热点之一。室内场景识别主要包括布局估计、场景分类和目标检测等。由于布局估计常常受到室内复杂环境、光照阴影和杂乱物品的影响,因此,在室内场景识别任务中难度最大。同时,由于室内场景的复杂度高,室内场景分类相比于室外场景分类也更具挑战性。据此,本文开展移动服务机器人室内场景识别关键技术研究,主要研究内容如下:1.为了简化网络结构,提高布局估计效率,本文提出一种基于改进轻量网络的实时布局估计方法。该方法利用轻量级的编码解码网络,端对端直接获得分割型布局估计;针对以往联合学习方法特征利用率不高的问题,使用简化的联合学习模块,精简联合学习网络并提高特征利用率;针对数据集正负标签不平衡和布局类型分布不平衡问题,使用分割型语义迁移,提高网络训练的稳定性。在LSUN和Hedau数据集上,使用像素误差指标对结果进行评价。实验表明,本文提出的分割型布局估计方法能够快速准确获得布局估计。2.为了提高布局估计准确率,本文提出一种分步训练的边缘型布局估计方法。首先使用边缘型布局估计网络,获得粗糙的边缘型布局。针对以往联合学习方法网络结构复杂的问题,使用分步联合学习方法简化网络结构;针对边缘型布局的训练集存在的正负标签不平衡问题,使用分步语义迁移的方法提高训练稳定性。然后采用简化的粗糙边缘型布局优化方法,提高布局估计精度和优化效率。在LSUN和Hedau数据集上,使用像素误差和关键点误差指标对结果进行评价。实验表明,本文提出的分步训练的布局估计方法,能够获得更加准确的布局估计。3.为了提高室内场景分类的准确率,本文使用卷积神经网络实现端对端的室内场景分类。为缓解数据集过小带来的问题,本文采用迁移学习的训练方法,使用在大数据集上预训练得到的网络状态,初始化本文网络的部分权重,防止样本过少产生过拟合。在LSUN数据集上,使用分类准确率指标进行评价。结果表明,本文的方法分类效果更好。4.基于本文的研究成果,使用Py Qt5和Qt Designer设计了室内场景识别软件,实现分割型布局估计、边缘型布局估计和室内场景分类功能。

关键词：编码解码网络室内场景识别布局估计场景分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

RGB-D室内场景图像的目标提取算法研究

RGB-D室内场景图像的目标提取算法研究

作者：吴晓秋南京邮电大学

学位级别：硕士

目标提取作为场景解析的关键步骤,是机器视觉领域的研究热点之一。针对复杂的室内场景目标提取时容易出现小尺寸物体与平面区域中物体被忽视,以及因遮挡和前背景颜色相近时造成的提取错误等问题,本文开展了利用深度信息来降低室内场景... 详细信息

目标提取作为场景解析的关键步骤,是机器视觉领域的研究热点之一。针对复杂的室内场景目标提取时容易出现小尺寸物体与平面区域中物体被忽视,以及因遮挡和前背景颜色相近时造成的提取错误等问题,本文开展了利用深度信息来降低室内场景目标提取错误的研究,完成了以下三个方面的工作:1.本文提出了一种基于深度信息的场景布局估计算法。算法使用加权双边滤波结合邻域像素对深度图进行空洞填补,并将其转化为点云数据;然后利用RANSAC算法基于三维欧式距离进行平面分割与分类。数值仿真表明,算法利用3D信息可以有效减少由于遮挡造成的大目标提取错误。2.本文针对小尺寸及平面区域目标容易被忽视的问题,提出了一种基于图像分割的区域层次聚类算法。首先对预处理后的RGB-D图像利用基于图的分割算法和约束参数最小割算法进行分割,接着利用四种区域相似度衡量方法进行区域层次聚类。仿真实验表明,该算法在产生较少目标边界框的情况下有效提高了召回率,并且不需要预训练过程。3.本文针对GrabCut在前背景颜色分布相近时分割效果不理想的问题,提出了一种基于改进的GrabCut的实例分割算法。算法将边界框作为输入,使用六维的高斯混合模型对前背景像素进行建模,并对框内像素构建Gibbs能量公式和图表示,利用图的最小割进行目标实例分割。仿真实验表明,该算法获得了较高的杰卡德评估指标,可以获得更准确的实例分割结果。

关键词： RGB-D 目标提取室内场景布局估计区域层次聚类实例分割特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向全景图像的视觉感知算法研究

面向全景图像的视觉感知算法研究

作者：郑子硕北京交通大学

学位级别：硕士

全景图像因其大视场的特点被广泛应用于各种领域,从而实现对真实场景更深刻的理解和更全面的感知。然而,全景图像在拥有360°信息获取范围的同时,也存在着严重的畸变,导致常规图像的视觉算法无法直接应用。此外,不同类型图像之间视场角... 详细信息

全景图像因其大视场的特点被广泛应用于各种领域,从而实现对真实场景更深刻的理解和更全面的感知。然而,全景图像在拥有360°信息获取范围的同时,也存在着严重的畸变,导致常规图像的视觉算法无法直接应用。此外,不同类型图像之间视场角的不匹配和几何结构分布的差异会影响感知结果,导致现有算法无法获得满意的性能。针对上述问题,本文利用全景图像的特性在多个任务上提出了专门的视觉算法,旨在实现对全景图像的全方位感知。主要研究内容如下:(1)针对目标级的感知任务,设计了一种基于双投影的全景图像目标检测框架。该算法将全景图像的等矩形和立方体两种格式作为输入,从而弥补单一格式中存在的缺陷。该方法可以从拥有完整信息的等矩形格式中提取候选框,再映射到畸变较小的立方体投影中进行预测。为了缩小特征域的差异,网络在特征提取阶段通过双向投影融合两种特征。然后通过一个Ro I搜索器桥接两个分支,以充分利用两种投影格式优点。此外,针对此领域数据集较少并且标注较为复杂的问题,提出了一种生成合成数据集的方法,将已经标注好的常规图像转化为全景格式。最终,在两个数据集上进行大量对比和消融实验,证明了该算法的有效性。(2)针对像素级理解任务,基于全景图像的重力对齐特性,提出了一个双向互补压缩特征的全景图像语义分割网络。该方法利用压缩编码提取一维的水平表征和垂直表征,可以在减少计算复杂度的情况下充分的利用全景图像自身的结构特征和先验信息。具体来说,水平表征更加关注全景图像的内容信息,而垂直表征则更加注重畸变信息,并且编码后的向量具有更大的感受野。此外,为了促进两个方向特征在解码端的融合,设计了一个独特的自蒸馏学习策略,以增强不同特征的交互并进一步提高网络的性能。在真实全景数据集上的对比和可拓展性实验结果证明,该算法能够准确预测像素的语义信息并且适用于多种视觉任务。(3)针对三维视觉任务,提出了一个基于平面正交分解的全景图像室内布局估计网络。基于曼哈顿世界假设,本文利用语义分割将复杂场景内的平面正交分解为两部分,从而捕获对预测结果有利的几何线索。针对地板边界和天花板边界的对称性,设计了一个翻转融合策略来辅助分割。此外,该算法在编码时使用带有畸变分布感知的特征聚合机制有效地整合浅层特征和深层特征。为了进一步细化特征,在解码端利用三重注意力来重建解耦序列以获得更好的性能。在四个基准数据集上的定量和定性实验结果表明,该方案能够准确估计各种简单和复杂的室内房间布局,模型的性能和鲁棒性得到了验证。

关键词：全景图像目标检测语义分割布局估计