检索结果-南通市图书馆

检索条件"主题词=点云方块化"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向机载点云分类的深度学习网络框架研究

面向机载点云分类的深度学习网络框架研究

引用

作者：李宝山东华理工大学

学位级别：硕士

随着机载点云分类的快速发展,出现一系列深度学习网络框架提高机载点云分类成果,如目前主流网络框架Point Net、Point Net++、Point CNN和F-Point Net等。针对目前机载点云分类采用改进深度学习网络框架提高点云分类效果的现状,本文进... 详细信息

随着机载点云分类的快速发展,出现一系列深度学习网络框架提高机载点云分类成果,如目前主流网络框架Point Net、Point Net++、Point CNN和F-Point Net等。针对目前机载点云分类采用改进深度学习网络框架提高点云分类效果的现状,本文进行深度学习网络框架对机载点云分类进行研究。采用莫斯科罗蒙诺索夫国立大学提供机载激光地面点云数据作为实验数据来源,实验中机载点云包含地面、建筑物、车辆、树木和低矮植被5类,代表大场景下的机载点云,此类大规模的点云能够应用于智慧城市重建,保持网络中的虚拟模型与现实场景一致。根据点云具有无序性、稀疏性和信息量有限这三大特性,通常不能直接使用深度学习二维网络框架进行处理,需要先将其预处理成类似图像的二维矩阵形式,现在进行下一步处理。首先进行二维网络框架下的点云分类研究,将点云数据预处理成21X21特征矩阵,然后将三种卷积神经网络Le Net-5、Alex Net和VGG分别改进为PLNET、PANET和PVNET,进行机载点云分类的网络框架研究,并且在PLNET、PVNET和PANET中点云整体分类准确率分别为97.44%、97.73%和95.42%。在面向机载点云分类的深度学习的三维网络框架研究中,采用点云方块化将点云特征矩阵转换为21X21X21的形式,并构建面向机载点云分类的三维卷积神经网络PTNET和PTTNET,最终使点云分类整体准确率分别为97.95%和98.06%。根据二维卷积神经网络PLNET、PANET和PVNET与三维卷积神经网络PTNET和PTTNET进行点云分类实验结果可知,能够分析出网络框架对机载点云分类的影响,以及网络框架优缺点和未来改进的地方。

关键词：网络框架深度学习机载点云分类点云方块化

来源：

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：