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

结合对抗样本检测和重构的三维点云防御框架

图学学报 2023年第3期44卷 560-569页

作者：赵玉琨任爽张鑫云北京交通大学计算机与信息技术学院北京100044

近年来,三维点云深度神经网络已应用于许多高安全性的任务中。然而,对抗样本可以很容易地使正常训练的深度学习模型做出错误的预测,所以需要提高深度神经网络输入数据的鲁棒性。现存的三维点云防御网络效率低,也无法很好地恢复点云的曲... 详细信息

近年来,三维点云深度神经网络已应用于许多高安全性的任务中。然而,对抗样本可以很容易地使正常训练的深度学习模型做出错误的预测,所以需要提高深度神经网络输入数据的鲁棒性。现存的三维点云防御网络效率低,也无法很好地恢复点云的曲面变形和点分布。针对现存问题,提出了一种将对抗样本检测与重构相结合的三维点云对抗防御网络框架。对于一个输入样本,首先由基于重构误差的检测器对其进行检测。若是对抗样本,则由一个基于变分自编码器的重构器对其进行重构后再输入分类网络中。变分自编码器的结构可以更好地学习隐空间上的数值空洞,对于点云形状的恢复效果也更好。实验部分,在ModelNet40数据集上对多种经典的分类模型进行了攻击,并测试了检测器-重构器防御框架对这些攻击的防御效果。实验表明,该防御方法在PointNet上的分类准确率均优于其他防御方法,特别是在防御基于显著图和对抗生成网络的攻击中表现出色。该防御网络框架可以将删除200点的攻击的准确率从47.65%提高到75.02%。通过消融实验和可视化重构结果分别证明了检测器和重构器的有效提升对整体分类准确率的效果。

关键词：对抗防御对抗攻击对抗样本检测点云重构点云分类

在线全文

学校读者我要写书评

暂无评论

基于重构的点云对抗样本防御方法研究

基于重构的点云对抗样本防御方法研究

作者：赵玉琨北京交通大学

学位级别：硕士

随着计算设备性能的提升和计算方法的进步,三维点云深度神经网络不断发展,并被广泛应用于多种对安全性要求较高的任务中。然而研究发现,对抗攻击可以很容易地干扰深度学习模型,使模型输出错误的预测结果,所以模型需要对输入数据的变化... 详细信息

随着计算设备性能的提升和计算方法的进步,三维点云深度神经网络不断发展,并被广泛应用于多种对安全性要求较高的任务中。然而研究发现,对抗攻击可以很容易地干扰深度学习模型,使模型输出错误的预测结果,所以模型需要对输入数据的变化具有鲁棒性。当前的点云防御网络效率较低,对计算设备性能的要求较高,且难以恢复对抗样本的形状和点分布。针对以上问题,本文将点云重构技术应用于点云的对抗防御任务中,并完成了以下工作:(1)异常检测任务是各个领域的一项基本任务,其目的是判断输入样本是否在给定的目标正常类或异常类的分布范围内。本文提出了一种基于重构误差的三维点云对抗样本检测方法,其包含了一个重构模块和一个误差计算模块。重构模块基于自编码器设计,相较于其他点云重构方法来说更轻量化,可以提高点云重构的效率。误差计算模块使用EMD距离(Earth Mover’s Distance,EMD)来准确地计算输入样本与其对应的重构样本之间的误差。本文假设,对抗样本与其对应的重构样本之间的误差和正常样本与其对应的重构样本之间的误差相比存在显著差异,因此可以通过划定阈值的方式来实现对异常样本的检测。通过实验,本文验证了上述猜想的可靠性,并测试了该检测方法对不同类型对抗样本的筛选准确率。(2)由于通过激光雷达(Light Detection and Ranging,LIDAR)等方式获取到的三维点云数据具有不规则性,因此对点云进行重构并将其规则化成为了一项至关重要的任务。点云数据的深度特征表示为点云重构算法的提出建立了基础,随着点云深度学习领域研究的不断深入,点云重构算法也在不断发展。本文提出了一种基于变分自编码器(Variational Autoencoder,VAE)的点云重构器,变分自编码器将深度学习和统计学习的方法相结合,充分利用了深度模型在解决非线性拟合问题上的优势,能够更高效准确地生成点云样本。实验证明,本文所提出的重构方法较目前主流的重构方法有一定的改进,更适用于三维点云对抗防御任务。(3)受到二维图像对抗防御网络的启发,本文提出了一种新颖的三维点云对抗防御框架,其通过对输入样本进行筛选和重构来提高输入样本的鲁棒性。该防御框架具有以下优势:首先,它能够在不影响原始分类器的情况下用来保护大多数三维点云分类器,具有较好的可迁移性;其次,它只需要正常样本进行训练,完全独立于对抗样本的生成过程;最后,与其他点云防御网络相比,它不添加冗余点,提高了效率,对形状恢复也更有效,更适用于真实应用场景下的点云防御。

关键词：对抗防御对抗攻击对抗样本检测点云重构点云分类

粘性流模拟中基于点云重构的最小二乘无网格法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

南京理工大学学报 2013年第6期37卷 880-885页

作者：蔡晓伟谭俊杰张木张旺龙任登凤南京理工大学能源与动力工程学院江苏南京210094

为改善最小二乘无网格法的粘性流模拟能力,该文提出了一种利用点云重构拟合空间导数的方法。对边界层内的高度各向异性的点云结构进行重构,形成适合最小二乘无网格法计算的近似各向同性的点云结构。在此基础上,采用拉格朗日方法对新点... 详细信息

为改善最小二乘无网格法的粘性流模拟能力,该文提出了一种利用点云重构拟合空间导数的方法。对边界层内的高度各向异性的点云结构进行重构,形成适合最小二乘无网格法计算的近似各向同性的点云结构。在此基础上,采用拉格朗日方法对新点进行插值,AUSM+-UP格式计算点云中心点的数值通量,最小二乘法拟合空间导数,三阶SSP型Runge-Kutta法进行时间迭代。为验证基于点云重构的最小二乘无网格法的准确性和鲁棒性,分别对NACA0012翼型在不同来流条件下的绕流进行了数值模拟,并将计算结果与传统最小二乘无网格法结果进行了对比。结果表明:与传统最小二乘无网格法相比,基于点云重构的最小二乘无网格法获得的分离点位置、涡心位置和表面压力系数更接近于参考结果。

关键词：粘性流点云重构最小二乘无网格法拉格朗日插值

在线全文

学校读者我要写书评

暂无评论

基于点云和设计模型的仿真模型快速重构方法

浙江大学学报（工学版） 2021年第5期55卷 905-916页

作者：蔡君赵罡于勇鲍强伟戴晟北京航空航天大学机械工程及自动化学院北京100191 航空高端装备智能制造工信部重点实验室北京100191 北京市高效绿色数控加工工艺及装备工程技术研究中心北京100191

随着产品装配质量要求的不断提高,为了在CAD模型仿真试验中快速且准确地表达零件实际加工质量,提出基于点云和设计模型的仿真模型快速重构方法.采用“一面两孔配准”方法,将零件实测点云数据配准到设计模型上;根据设计模型边界提取出曲... 详细信息

随着产品装配质量要求的不断提高,为了在CAD模型仿真试验中快速且准确地表达零件实际加工质量,提出基于点云和设计模型的仿真模型快速重构方法.采用“一面两孔配准”方法,将零件实测点云数据配准到设计模型上;根据设计模型边界提取出曲面重构所需的控制顶点;采用非均匀有理B样条(NURBS)方法对控制顶点进行曲面拟合;根据仿真需求,结合边界表示法(BREP)和构造实体表示法(CSG)实现模型表面的局部和快速替换.在CATIA中开发基于实测点云数据和设计模型的仿真模型快速重构模块,和基于可拓展标记语言(XML)和特征完全匹配的数字预装配模块.以某航空企业典型零件和舱门预装配为例,验证该方法的重构精度和效率及其在预装配仿真中的高效性和准确性.

关键词：点云重构点云配准点云提取非均匀有理B样条(NURBS) 曲面替换

在线全文

学校读者我要写书评

暂无评论

TLS技术支持下的边坡点云重构与形变分析

测绘通报 2017年第8期 71-75页

作者：孟万利蔡来良杨孝翠杨望山王姗姗河南理工大学河南焦作454003 信息工程大学河南郑州450001

针对边坡地形点云存在空洞、分布不均匀,以及直接建立表面模型进行形变分析效果差的问题,首先提出了一种改进反距离权重插值对地形点云快速压缩重构的方法,并以程序实现了该方法的自动化处理;然后快速地对压缩重构点云建立了NURBS曲面模... 详细信息

针对边坡地形点云存在空洞、分布不均匀,以及直接建立表面模型进行形变分析效果差的问题,首先提出了一种改进反距离权重插值对地形点云快速压缩重构的方法,并以程序实现了该方法的自动化处理;然后快速地对压缩重构点云建立了NURBS曲面模型,并从面、线、点进行了全面形变对比分析;最后将计算结果与实测值进行了一致性检验,结果表明符合实际地形变化情况,实现了利用激光点云数据快速构建边坡模型并进行形变分析的目的。

关键词：边坡变形监测三维激光扫描点云重构 NURBS曲面建模形变分析

基于双目三维点云重构的空间目标位姿解算方法

在线全文

学校读者我要写书评

暂无评论

基于双目三维点云重构的空间目标位姿解算方法

作者：陈佳琦哈尔滨工业大学

学位级别：硕士

随着人们对空间探索活动的日益增多,故障航天器在轨服务等空间活动已成为航天技术发展需要面对和解决的重要课题,而空间目标位姿测量技术是解决这些问题的关键因素,因此,对空间目标近距离位姿测量的研究就显得尤为重要。本文以空间目标... 详细信息

随着人们对空间探索活动的日益增多,故障航天器在轨服务等空间活动已成为航天技术发展需要面对和解决的重要课题,而空间目标位姿测量技术是解决这些问题的关键因素,因此,对空间目标近距离位姿测量的研究就显得尤为重要。本文以空间目标为研究对象,通过查阅国内外对于非合作目标的在轨服务以及空间目标视觉测量技术的研究现状,并对现阶段存在的位姿解算方法进行对比分析之后,提出了一种基于双目视觉的空间目标位姿解算方法。该方法首先应用双目视觉系统测量原理对空间目标进行三维点云重构,其中涉及了基于极几何理论的图像校正与基于图像灰度的互相关归一化(NCC)立体匹配算法,然后应用基于经典迭代最近点(ICP)算法的点云配准方法对空间目标进行位姿解算。论文首先引入相机成像模型和像差校正模型,基于平面靶标相机标定法,通过使用Halcon标定工具箱对本课题所使用的双目系统进行标定,获得双目系统的内外参数。在三维点云重构方面,首先采用基于极几何理论的双目立体视觉图像校正方法对测量系统获取的空间目标图像进行校正,然后应用基于图像灰度的NCC立体匹配算法对校正之后的图像进行对应点匹配获得点云图像,再结合视差理论计算点云对应的空间三维坐标,得到目标的三维点云模型。在点云配准方面,采用了经典的点云配准两步法,即初始粗略配准和精确配准两步法。首先对由三维重构获得的目标点云和已知的参考点云利用主元分析法(PCA)进行初始粗略配准,使两点云大致重合;然后对初始配准之后的两点云应用改进的ICP算法进行精确配准得到空间目标体的位姿。为了验证空间目标位姿解算方法,利用3dsMax渲染设计软件模拟双目系统,获得用于三维点云重构的仿真图像,应用MVTec公司Halcon软件实现了空间目标的三维点云模型重构以及位姿解算,通过大量仿真实验,验证了算法设计的有效性和鲁棒性,在近距离观测阶段可获得较高精度的目标位姿解算结果。

关键词：双目立体视觉相机标定点云重构点云配准位姿

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自由曲面测点数据的T样条重构与点云匹配

自由曲面测点数据的T样条重构与点云匹配

作者：王子玮华中科技大学

学位级别：硕士

对现实生活中的物体进行测量、重构在逆向工程、机械制造、生物医药、大地测量,甚至游戏娱乐等产业有着广泛的实际需求。为了实现测量数据与现实终端交互,对测量物体准确的复现,以点云重构和点云匹配为核心的技术成为了近年来研究的热... 详细信息

对现实生活中的物体进行测量、重构在逆向工程、机械制造、生物医药、大地测量,甚至游戏娱乐等产业有着广泛的实际需求。为了实现测量数据与现实终端交互,对测量物体准确的复现,以点云重构和点云匹配为核心的技术成为了近年来研究的热点。本文针对在多视角自由曲面测量与分析评价过程中需要稳健、高精度的匹配与重构方案这一实际需求,进行了基于T样条的点云重构和针对点云中存在重叠区域的匹配研究,主要工作如下:(1)基于张量积的蒙面算法是工程实践中常用的构型算法,但张量积曲面的控制点拓扑网格由于受限于固定的四边形矩形网格,容易造成在实际应用中的拼接,裁剪困难的问题。T样条是控制点拓扑网格灵活的构型算法,具有便于拼接、裁剪的优点,同时T样条曲面比张量积曲面的控制点更少,有利于提高计算的效率。本文研究基于T样条的蒙面算法,改进了目前T样条蒙面算法中控制曲线的拟合的步骤,克服了传统算法易陷入死循环的问题,在满足拟合精度下,提高了整体算法的稳定性。(2)针对实际匹配中源点云与目标点云之间有部分重叠的区域、被测物体特征不明显的问题,本文提出了遵循“粗-精”流程的基于区域划分的配准方案。该方案极大的利用了重叠区域的先验知识,提高了匹配方案的稳定性与鲁棒性。在粗配准中采用ISS+高维直方图(FPFH)进行粗配准,充分利用了点云的信息,避免了特征不明显的问题。在精配准中采用稀疏配准,解决了由于离群点对配准所造成的干扰。提出了SPARSE-MICP算法,弥补了稀疏ICP容易陷入局部最优、稀疏TDM产生滑移等缺陷。(3)开展了基于T样条蒙面算法的实验研究,航空叶片为实验对象,对不同区域的点云数据进行重构实验。结果表明:T样条曲面与张量积相比,T样条曲面在相同拟合精度的条件下,可以大量地减少曲面构型的控制点数目。针对本文提出的区域划分点云匹配方案,进行了验证实验,实验表明:该方案对重叠区域、被测物体特征不明显的问题是有效的。针对本文提出的精配准算法SPARSEMICP,与多种精配准算法进行比较,实验表明:SPARSE-MICP对不同程度的噪声、离群点、初始位置有较高的精度、稳定性与鲁棒性。

关键词：点云重构点云匹配 T样条蒙面区域划分方案稀疏SPARSE-MICP

基于几何重构的LiDAR点云几何无损压缩的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于几何重构的LiDAR点云几何无损压缩的研究

作者：魏志文电子科技大学

学位级别：硕士

随着人们对于三维信息应用的需求日趋凸显,点云作为一种出色的三维信息表征格式逐渐被大家关注。随着激光雷达(Light Detection and Ranging,简称LiDAR)技术的飞速发展,由LiDAR采集的点云数据在自动驾驶领域被广泛应用,是导航、避障、... 详细信息

随着人们对于三维信息应用的需求日趋凸显,点云作为一种出色的三维信息表征格式逐渐被大家关注。随着激光雷达(Light Detection and Ranging,简称LiDAR)技术的飞速发展,由LiDAR采集的点云数据在自动驾驶领域被广泛应用,是导航、避障、目标跟踪与识别等任务的主要输入数据。但是由于点云数据量巨大,因此传输和存储需要很大的带宽和存储空间,这对于自动驾驶等任务来说是一个极大的技术瓶颈。为了解决面向自动驾驶的非结构化LiDAR点云几何信息无损压缩的问题,本文以中国数字音视频编解码标准工作组(Audio Video coding Standard Workgroup of China,简称AVS标准工作组)发布的点云编码探索平台(Point Cloud Coding Exploration Model,PCEM)v0.2版本作为基础平台,根据LiDAR点云的空间几何特性,优化了PCEM平台点云几何无损编码部分。LiDAR三维点云具有点云空间分布跨度大,点云集中聚集的部分(如:车辆,行人,树木,建筑等)相对离散的特点,无损几何信息编码过程中存在大量空间冗余信息。针对这一特点,本文重点研究了面向自动驾驶的非结构化LiDAR点云的空间分布特性,并尝试了通过二维映射,点云分割,点云重构等方案去除点云空间冗余,同时研究了这些方案对点云几何无损压缩效果的影响。主要研究内容分为以下三部分:1.研究并总结面向自动驾驶的非结构化LiDAR三维点云的空间分布特性。2.基于非结构化LiDAR三维点云分布特性探究合理的点云分割和重构方案。3.基于PCEM平台,针对重构LiDAR三维点云设计几何无损编解码方案。最终的性能在Ford和Livox两个数据集上进行测试,这是AVS标准工作组提供的面向自动驾驶的LiDAR三维点云标准测试数据集。本文提出的新的压缩方案相比于原平台,几何无损编码在数据集Livox2llnnemm上达到最高-1.61%的几何压缩增益,在全部5个通用测试数据集上的平均几何无损压缩增益为-0.71%。测试条件为全帧内编码。

关键词：点云几何无损压缩点云分割点云重构自动驾驶

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于注意力机制的三维点云模型对应关系计算

西南交通大学学报 2023年

作者：杨军高志明李金泰张琛兰州交通大学电子与信息工程学院兰州交通大学测绘与地理信息学院

针对现有深度学习方法计算非刚性点云模型间稠密对应关系时精度不高，且算法泛化能力较差的问题，提出一种基于特征序列注意力机制的无监督三维点云模型对应关系计算新方法。首先使用特征提取模块提取输入点云模型对的特征；然后通过Tra... 详细信息

针对现有深度学习方法计算非刚性点云模型间稠密对应关系时精度不高，且算法泛化能力较差的问题，提出一种基于特征序列注意力机制的无监督三维点云模型对应关系计算新方法。首先使用特征提取模块提取输入点云模型对的特征；然后通过Transformer模块捕获自注意力和交叉注意力来学习共同上下文信息，并由对应关系预测模块生成软映射矩阵；最后重构模块根据得到的软映射矩阵重构点云模型，并利用无监督损失函数完成训练。在FAUST、SHREC’19和SMAL数据集上的实验结果表明，本算法的平均对应误差分别为5.1、5.8和5.4，均低于经典算法3D-CODED、Elementary Structures和CorrNet3D，尤其在非刚性变形程度较大的SHREC’19数据集上，平均对应误差分别比上述三种算法降低了2.3、1.8和1.1。本算法所计算的非刚性三维点云模型间对应关系准确率更高，且具有更强的泛化能力。

关键词：计算机视觉对应关系无监督点云重构注意力机制