检索结果-南通市图书馆

检索条件"主题词=自适应最优邻域选择"

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：

基于CRF模型语义优化的车载激光点云分类方法研究

基于CRF模型语义优化的车载激光点云分类方法研究

引用

作者：邵尤彬东华理工大学

学位级别：硕士

车载激光扫描技术是目前地面空间信息获取的重要技术之一,在智慧城市、道路勘测、无人驾驶等领域被广泛应用。车载激光扫描技术在采集目标表面信息时,无差别地扫描地物,导致采集到的点云缺乏生产应用中所需的语义信息。车载激光点云分... 详细信息

车载激光扫描技术是目前地面空间信息获取的重要技术之一,在智慧城市、道路勘测、无人驾驶等领域被广泛应用。车载激光扫描技术在采集目标表面信息时,无差别地扫描地物,导致采集到的点云缺乏生产应用中所需的语义信息。车载激光点云分类的目的是对点云中的每一个点都分配一个语义标签,是解决车载激光点云数据缺少语义信息的主要方法。针对点云分类中点特征提取邻域大小选择困难问题,以及仅基于单个点自身特征进行分类,而不考虑结合具有相似或相关类别的邻域点,导致复杂环境下产生不符合现实场景的分类结果等问题,本文采用自适应选择最优邻域尺度,并基于条件随机场(Conditional Random Field,CRF)模型语义优化提升车载激光点云分类的精度。主要研究内容及成果如下:(1)基于自适应最优邻域选择的点云单点分类。常用的邻域选择方法以固定尺度对全局范围内的所有点构建邻域。当点云密度不均时,基于固定尺度的邻域难以拟合不同密度点云的局部几何结构。本文采用自适应选择点云最优邻域尺度的方法,可以有效解决这一问题。首先基于特征熵的最优邻域选择方法计算点云中每个点的最佳邻域尺度并根据最佳邻域尺度获取点的局部邻域信息,继而基于局部邻域信息计算点云低层次几何特征,最后利用机器学习中的随机森林算法进行监督分类,得到点云单点分类结果。选择基于固定邻域尺度的点云分类方法与本文方法进行对比实验,实验结果表明本文采用自适应选择最优邻域尺度的点云单点分类方法比基于固定邻域尺度方法的分类精度高0.56%～1.54%,验证了本文采用自适应选择最优邻域尺度方法比基于固定邻域尺度的方法更有优势。(2)基于条件随机场模型的点云语义优化。点云单点分类方法仅利用单个点自身特征,将每个点作为独立实体进行分类,在复杂城区环境下的分类效果较差,存在大量的分类错误。针对这一问题,本文基于条件随机场模型对点云单点分类结果进行语义优化处理。首先建立无向图结构,然后计算出点云的一元势能和二元势能,最后综合无向图结构、一元势能矩阵和二元势能矩阵,经过CRF模型训练与推理解算出后验概率最大的类别标签向量为语义优化后的点云分类结果。选择基于自适应最优邻域选择的点云单点分类方法进行对比实验,实验结果表明,本文基于CRF模型语义优化的点云分类方法比基于自适应最优邻域选择的点云单点分类准确率提高了0.36%～3.68%,验证了本文基于CRF模型语义优化方法的有效性。

关键词：车载激光点云点云分类自适应最优邻域选择条件随机场模型语义优化

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：