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

融合多分辨率特征的点云分类与分割网络

光电工程 2023年第10期50卷 50-61页

作者：陶志勇李衡豆淼森林森辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125100 沈阳理工大学自动化与电气工程学院辽宁沈阳110159

针对现有网络难以有效学习点云局部几何信息的问题,提出一种融合点云多分辨率特征的图卷积网络。首先,通过k-最近邻算法对点云构建局部图结构,以更好地表示点云的局部几何结构。其次,基于最远点采样算法提出一个并行通道分支,该分支通... 详细信息

针对现有网络难以有效学习点云局部几何信息的问题,提出一种融合点云多分辨率特征的图卷积网络。首先,通过k-最近邻算法对点云构建局部图结构,以更好地表示点云的局部几何结构。其次,基于最远点采样算法提出一个并行通道分支,该分支通过对点云进行下采样来获得不同分辨率的点云,然后对其进行分组处理;为克服点云的稀疏特性,提出一种几何映射模块对分组点云执行正态化操作。最后,提出一种特征融合模块对图特征和多分辨率特征进行聚合,以更有效地获得全局特征。实验使用ModelNet40、ScanObjectNN和ShapeNet Part数据集进行评估,结果表明,提出的网络具有良好的分类与分割性能。

关键词：点云图卷积网络多分辨率点云特征融合模块

基于交叉自注意力机制的LiDAR点云三维目标检测

在线全文

学校读者我要写书评

暂无评论

光电子．激光 2024年第1期35卷 75-83页

作者：张素良张惊雷文彪天津理工大学电气工程与自动化学院天津300384 天津市复杂系统控制理论及应用重点实验室天津300384

针对基于深度学习的激光雷达(light detection and ranging,LiDAR)点云三维(3D)目标检测对小目标的检测精度较低和噪声干扰问题,提出一种基于交叉自注意力机制的3D点云目标检测方法CSA-RCNN(cross self-attention region convolutional ... 详细信息

针对基于深度学习的激光雷达(light detection and ranging,LiDAR)点云三维(3D)目标检测对小目标的检测精度较低和噪声干扰问题,提出一种基于交叉自注意力机制的3D点云目标检测方法CSA-RCNN(cross self-attention region convolutional neural network)。利用交叉自注意力(cross self-attention,CSA)同时学习点云的坐标和特征,并设计多尺度融合(multi-scale fusion,MF)模块自适应捕捉各层级多尺度特征。此外,还设计重叠采样策略对感兴趣目标区域选择性地重采样以获得更多前景点,有效降低了噪声采样。在广泛使用的KITTI数据集上进行算法性能测试,结果表明,本文方法对行人等小目标的检测精度有较大提升,平均精度均值相比PointRCNN等4种经典算法均获得提升,显著提高3D点云目标的检测性能。

关键词：三维(3D)目标检测点云交叉自注意力(CSA) 多尺度

点云和视觉特征融合的增强现实装配系统三维跟踪注册方法

在线全文

学校读者我要写书评

暂无评论

西北工业大学学报 2019年第1期37卷 143-151页

作者：王月张树生白晓亮西北工业大学机电学院陕西西安710072

为了提高三维跟踪注册方法面向机械产品增强现实装配引导的适用性和鲁棒性,提出了一种点云和视觉特征融合的三维跟踪注册方法。首先利用参考模型点云对三维跟踪注册绝对坐标系进行定义,从而确定虚拟装配引导信息的定位基准。然后在迭代... 详细信息

为了提高三维跟踪注册方法面向机械产品增强现实装配引导的适用性和鲁棒性,提出了一种点云和视觉特征融合的三维跟踪注册方法。首先利用参考模型点云对三维跟踪注册绝对坐标系进行定义,从而确定虚拟装配引导信息的定位基准。然后在迭代最近点法点云数据配准基础上,结合深度传感器彩色图像信息,通过视觉特征匹配,提高深度传感器快速移动时的跟踪注册过程鲁棒性。为了在此过程获取足够数量的视觉特征匹配点对,提出了一种基于方向向量一致性的视觉特征匹配策略。最后在跟踪注册过程加入基于关键帧的回环检测和全局位姿优化。实验结果表明:新方法精确性、实时性好,能达到每秒30帧。而且在相机快速移动时仍能表现出较好的鲁棒性,其综合性能优于基于点云的Kinect Fusion方法。

关键词：机械装配增强现实三维跟踪注册点云视觉特征

在线全文

学校读者我要写书评

暂无评论

学习几何结构特征的真实点云场景语义分割

数据采集与处理 2023年第2期38卷 336-349页

作者：李嘉祥宣士斌刘丽霞王款广西民族大学人工智能学院南宁530006 广西混杂计算与集成电路设计分析重点实验室南宁530006

有效获取点云数据在空间上的结构性特征是点云语义分割的关键。针对以往方法没有很好综合利用全局和局部特征问题,提出一种新的空间结构特征——点的盒子特征用于语义分割,设计一种编码‑解码结构的网络框架,下采样过程中使用几何结构特... 详细信息

有效获取点云数据在空间上的结构性特征是点云语义分割的关键。针对以往方法没有很好综合利用全局和局部特征问题,提出一种新的空间结构特征——点的盒子特征用于语义分割,设计一种编码‑解码结构的网络框架,下采样过程中使用几何结构特征模块学习点云的全局空间特征和局部邻域特征,上采样过程中按分辨率逐级恢复成完整尺寸特征图进行语义分割。其中,几何结构特征模块包含两个子模块,一个是全局特征模块,该模块学习点的“盒子(box)”特征以表现点云在采样空间内概括的粗糙几何特征;另一个是局部特征模块,该模块使用特征提取——注意力机制结构表现点云在局部邻域内精确的细粒度几何特征。在公开数据集S3DIS、Semantic3D上进行了实验并与其他方法比较,实验结果表明mIoU均领先目前大部分主流的方法,部分细则类IoU取得最高。

关键词：深度学习点云语义分割注意力机制人工智能

在线全文

学校读者我要写书评

暂无评论

基于点云边缘平滑和生物特征的鸡只体尺估测

华南农业大学学报 2023年第4期44卷 619-627页

作者：吕恩利曾伯阳曾志雄彭玉平何欣源谢伯铭刘妍华华南农业大学工程学院广东广州510642 岭南现代农业科学与技术广东省实验室茂名分中心广东茂名525000

【目的】针对使用深度相机的鸡只体尺估测中,鸡只点云边缘抖动、羽毛冗余、特征点提取难的问题,本文提出一种结合点云边缘平滑和基于生物特征的特征点提取方法用于鸡只多部位体尺估测。【方法】首先,通过直通滤波、统计滤波等方法对点... 详细信息

【目的】针对使用深度相机的鸡只体尺估测中,鸡只点云边缘抖动、羽毛冗余、特征点提取难的问题,本文提出一种结合点云边缘平滑和基于生物特征的特征点提取方法用于鸡只多部位体尺估测。【方法】首先,通过直通滤波、统计滤波等方法对点云进行预处理,减少背景和噪点对目标的影响;其次,通过点云的空间变化约束边缘,采用连续多帧序列变化平滑边缘,减少边缘抖动对体尺测点提取的干扰;再次,对处理后的点云进行生物特征分析,结合基于邻域分析的边缘算法,融合RGB图像采用Canny边缘检测、霍夫变换等方法提取特征点;最后,依据特征点估测胸宽、半潜水长和胫长体尺。【结果】试验结果表明,估测的胸宽平均误差为6.64%,胫长平均误差为5.93%,半潜水长平均误差为3.34%,平均每帧图像计算体尺耗时8.8 s。【结论】本文算法可为鸡只体尺测量提供技术参考。

关键词：点云鸡体尺边缘平滑生物特征

在线全文

学校读者我要写书评

暂无评论

一种面向低采样率的点云数据处理网络

计算机工程 2022年第11期48卷 240-246页

作者：张毅林云汉刘双元武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065 武汉科技大学机器人与智能系统研究院武汉430081

在直接处理点云的三维神经网络中,采样阶段实现了对原始点云中关键点的筛选,对于整个网络的性能及网络的抗噪能力具有重要作用。目前主流的最远点采样(FPS)方法在处理大规模3D点云数据时计算量大且耗时,并且低采样率时经过FPS采样后模... 详细信息

在直接处理点云的三维神经网络中,采样阶段实现了对原始点云中关键点的筛选,对于整个网络的性能及网络的抗噪能力具有重要作用。目前主流的最远点采样(FPS)方法在处理大规模3D点云数据时计算量大且耗时,并且低采样率时经过FPS采样后模型性能下降明显。针对这两个问题,提出一种面向低采样率的点云数据处理网络AS-Net。设计一个新的采样模块代替原backbone中的FPS,其由两个Layer组成,每个Layer基于长短期记忆网络获取原始点云与采样点云之间的联系权重,从而高效提取关键信息,去除冗余信息。在此基础上,利用注意力机制选择特征值较高的原始点云作为采样点,采样点作为后序任务的关键点输入到网络,进一步提高网络模型性能。基于ModelNet40数据集的实验结果表明,在低采样率条件下,AS-Net仍可达到81.6%的分类准确率,与使用FPS作为采样方法的网络模型相比提高52.7%。此外,其对噪声干扰具有很强的鲁棒性,对于大场景的分割时间效率优于同类采样方法。

关键词：点云采样最远点采样长短期记忆网络注意力机制

在线全文

学校读者我要写书评

暂无评论

无人机激光雷达点云电力杆塔倾斜状态测量

应用科学学报 2022年第3期40卷 389-399页

作者：芦竹茂龚浩金秋衡胡庆武李加元国网山西省电力公司电力科学研究院山西太原030001 国网电力科学研究院有限公司江苏南京211106 国网电力科学研究院武汉南瑞有限责任公司湖北武汉430074 武汉大学遥感信息工程学院湖北武汉430079

针对传统杆塔倾斜度测量方法难度大、强度大、效率低的问题,提出了一种基于无人机激光雷达点云的电力杆塔倾斜率精准测量方法。该方法利用无人机LiDAR电力巡线获取的散乱杆塔三维激光点云,通过拟合塔身结构来计算杆塔中心线,进而计算杆... 详细信息

针对传统杆塔倾斜度测量方法难度大、强度大、效率低的问题,提出了一种基于无人机激光雷达点云的电力杆塔倾斜率精准测量方法。该方法利用无人机LiDAR电力巡线获取的散乱杆塔三维激光点云,通过拟合塔身结构来计算杆塔中心线,进而计算杆塔倾斜率。为验证方法的有效性,挑选了6种类型共18个电力杆塔,分析点云密度对倾斜检测算法的影响,并计算倾斜检测算法的精度。结果显示电力杆塔倾斜角测量的平均相对误差小于0.7°,证明了该方法的有效性和正确性。

关键词：电力杆塔无人机点云倾斜率

基于二维激光雷达的果树冠层结构信息检测方法研究

在线全文

学校读者我要写书评

暂无评论

中国农机化学报 2024年第5期45卷 147-153,F0002页

作者：周良富宋海潮周彬彬于鹏代祥南京工业职业技术大学南京市210023

果树冠层结构信息获取是变量喷雾作业重要前提,为实现果树冠层结构信息在线采集,采用二维地面激光雷达对不同叶面积指数的果树进行,并运用MATLAB软件绘制果树的三维点云图。绘制出的果树三维点云图与实际果树形态的一致,表明点云数据与... 详细信息

果树冠层结构信息获取是变量喷雾作业重要前提,为实现果树冠层结构信息在线采集,采用二维地面激光雷达对不同叶面积指数的果树进行,并运用MATLAB软件绘制果树的三维点云图。绘制出的果树三维点云图与实际果树形态的一致,表明点云数据与果树结构信息具有高度相关性。研究结果表明采用2D LiDAR测量树高与树宽的相对误差分别为2.22%和4.11%,但树厚的精度与LAI相关,LAI由0增加到3.68时其测量相对误差由5.3%增加到41.1%。拟合出正面和背面扫描时的LAI预测模型分别为y=1.265x-0.313 7和y=1.230 5x-0.338,F检验结果显示样本间存在显著性差异,且其模型的拟合优度均大于0.9。该研究可以为果园变量喷雾决策提供技术与模型支撑。

关键词：果树变量喷雾叶面积指数激光雷达点云

基于地面激光扫描数据的马褂木材积建模与出材率研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

北京林业大学学报 2023年第6期45卷 33-42页

作者：陈军孙圆刘晨曦姚睿涵于嘉辉曹福亮余鹏飞南方现代林业协同创新中心南京林业大学江苏南京210037 南京林业大学林学院江苏南京210037 睢宁县润企投资有限公司江苏睢宁220122

[目的]马褂木是优良的用材树种,研究其材积模型并分析多种密度种植下的径级材种造材出材率,旨在为马褂木人工林高效培育提供重要的指导。[方法]在马褂木多密度人工林试验区获取全样地地面激光雷达数据。通过点云提取单木结构参数,对4种... 详细信息

[目的]马褂木是优良的用材树种,研究其材积模型并分析多种密度种植下的径级材种造材出材率,旨在为马褂木人工林高效培育提供重要的指导。[方法]在马褂木多密度人工林试验区获取全样地地面激光雷达数据。通过点云提取单木结构参数,对4种造林密度(株行距配置:2m×2m、3m×3m、4m×4m、5m×5 m)马褂木试验林测树因子(胸径DBH,树高H,材积V)进行分析,建立一元材积方程、削度方程模型,并应用削度方程计算各密度林分材种出材率。[结果]研究得到的一元二次式V=0.0003D_(2)+0.0065D-0.0369为研究区马褂木最优一元材积式,该模型的决定系数(R^(2))为0.884,经过剩余标准差(S_(EE))、系统误差(T_(RE))、平均相对误差(M_(SE))、预估精度(ρ)等评价指标检验,无明显系统偏差,可用于研究区马褂木材积估计。研究选定改进的舒马赫方程式作为不同密度马褂木的削度方程,该模型R^(2)为0.924,经检验方程均方根误差为1.454,平均相对误差为0.050,预估精度达到0.910。进一步采用削度方程为多密度马褂木试验林进行多径级材造材,得到疏林地4m×4m密度种植下的大径材出材率最大(39.582%),密林地2m×2m密度种植下的小径材出材率最大(81.250%),而综合出材率最大的是4m×4m密度(98.650%)。[结论]马褂木多密度经营下,疏林地大径材出材率最大,密林则以小径材为主要径级材种。基于地面激光点云获取的单木参数可以直观地进行森林经理研究,对提升人工林的生产经营水平以及提高林业工作者的工作效率均有积极影响。

关键词：地面激光扫描点云测树因子一元材积表削度方程材种出材率