收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于卷积神经网络的三维物体识别研究

张春元  
【摘要】:在人工智能火热的当下,深度学习方法尤其是卷积神经网络(Convolutional Neural Network,CNN)得到了大量的关注和应用。作为人工智能的重点研究领域,计算机视觉近年来得到了飞速的发展,使用模仿生物构造的CNN,二维图像领域的识别、检测和分割等任务已有了很成熟的方法。相较于二维图像领域的发展,针对三维数据的深度学习方法的研究才刚刚起步。不同于二维数据,三维数据存在着采集手段有限、数据量不足、组织形式复杂和空间开销较大等一系列问题。这些问题给使用三维数据的CNN方法带来了巨大的挑战。针对数据量不足和空间开销的问题,网络需要在提高结构特征捕捉能力的同时,控制参数量的规模,充分提取有效特征。而数据组织形式的复杂,使得三维数据的研究中无法使用一种方法来适应所有形式,因此相关研究根据数据组织形式的不同被分成了多个方向。目前,常用的三维数据表现形式有体素、点云和视图等。针对其中的体素和点云表现形式,本文首先总结归纳了目前面向这两种数据组织形式的相关深度学习方法,然后针对体素数据的特点设计了基于特征重组的CNN,使用短连接结构提高特征的利用率,提高了体素数据上的识别效果。最后针对点云数据提出了融合多尺度邻域特征的图卷积网络结构,提取点云结构特征,并与现有方法之间进行了详细的实验对比。本文主要研究工作归纳如下:(1)针对体素和点云数据的CNN方法进行了总结和分析:总结并归纳了面向体素和点云数据的CNN方法。一方面,对使用体素数据的网络面临的问题进行了分析和总结,并对现有方法的优势和不足进行了分析。另一方面,在点云数据的相关研究中分析了主流研究的趋势,对比分析了现有方法的优势和不足。(2)提出了体素特征重组网络并对比了与现有方法间的性能指标:针对体素数据分辨率受限和纹理缺失的问题,使用短连接结构提高特征复用率,精简网络参数,保证网络能够充分提取体素数据结构特征。同时结合全局均值池化,进一步抑制过拟合现象。与现有面向体素的方法对比,达到了更良好的识别效果。(3)提出了点云多尺度特征融合图卷积网络并与主流方法进行了对比:考虑点云的无序性和不规则性,使用图卷积来联合局部点集进行结构特征的提取。同时,网络采用多支路设计融合多尺度邻域特征,并通过标定技术引导网络关注点云结构中的关键点,进一步提高网络效果。最后通过可视化手段对比现有方法分析网络的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前11条
1 王雯;任小玲;陈逍遥;;一种改进的区域增长彩色3D点云分割算法[J];国外电子测量技术;2018年11期
2 陈华臻;高健;;面向反光工件点云缺陷的点云增强算法[J];计算机辅助设计与图形学学报;2019年07期
3 马东岭;王晓坤;李广云;;一种基于高度差异的点云数据分类方法[J];测绘通报;2018年06期
4 杨泽鑫;程效军;丁琼;程小龙;;面向室内场景点云的对象重建[J];测绘通报;2017年06期
5 翁福洲;黄鹤;;快速点云定向数学模型实际精度分析[J];北京测绘;2017年04期
6 琚俏俏;王令文;;基于自适应切片的点云压缩算法[J];工程勘察;2017年09期
7 许宁;钟友玲;;地面三维激光扫描点云重建技术研究[J];数码世界;2017年08期
8 龚书林;;三维激光点云处理软件的若干关键技术[J];测绘通报;2014年06期
9 徐守乾;朱延娟;;稀疏点云的曲面重构[J];中国制造业信息化;2011年03期
10 梁新合;梁晋;郭成;曹巨明;;法向约束的多幅点云数据融合算法[J];西安交通大学学报;2009年05期
11 周德芳,刘京南,余玲玲;基于OpenGL实现三维重构点云处理[J];电子工程师;2003年10期
中国重要会议论文全文数据库 前10条
1 牛雪娟;刘景泰;孙雷;;基于小波变换的栅格点云多分辨率分析[A];第二十七届中国控制会议论文集[C];2008年
2 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年
3 赵小祥;刘宝武;;车载点云中建筑物快速提取方法[A];地理信息与人工智能论坛暨江苏省测绘地理信息学会2017年学术年会论文集[C];2017年
4 张舒;谢艾伶;白志辉;王响雷;;三维激光扫描点云粗差剔除方法研究[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年
6 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年
7 吴新桥;王昊;杨家慧;;面向电网巡检的点云高精度配准算法研究[A];生态互联 数字电力——2019电力行业信息化年会论文集[C];2019年
8 童艳丽;施昆;李志杰;;机载激光点云与影像的融合与分类技术研究[A];云南省测绘地理信息学会2016年学术年会论文集[C];2016年
9 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年
10 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 胡晓斌;车载移动测量地物分类方法与重建技术研究[D];武汉大学;2016年
2 蔡湛;迁移学习点云滤波及建筑物特征线提取研究[D];武汉大学;2018年
3 李亮;基于点云匹配的智能车定位方法研究[D];上海交通大学;2018年
4 赵宗泽;基于数学形态学的机载LiDAR点云建筑物区域提取[D];武汉大学;2016年
5 魏崇阳;城市环境中基于三维特征点云的建图与定位技术研究[D];国防科学技术大学;2016年
6 奚以成;基于机载LiDAR技术的城市智能感知与变化检测技术研究[D];沈阳农业大学;2018年
7 宋孟肖;LiDAR点云辅助的城区航空影像空中三角测量[D];武汉大学;2018年
8 李明磊;激光扫描点云的线结构提取与应用研究[D];战略支援部队信息工程大学;2017年
9 曹如军;基于机载LiDAR点云的建筑屋顶三维重建[D];武汉大学;2017年
10 黄鹏頔;三维激光扫描点云典型场景可见性分析方法研究[D];厦门大学;2017年
中国硕士学位论文全文数据库 前10条
1 李博杨;基于三维激光雷达的道路环境感知[D];北京交通大学;2019年
2 贾雪;顾及点云相关性的抗差加权整体最小二乘配准算法研究[D];安徽理工大学;2019年
3 王强;基于三维点云骨架提取的单木L系统规则构造方法研究[D];华北电力大学;2019年
4 刘鹏;基于多核DSP的激光点云三维重构技术研究[D];长春理工大学;2019年
5 陈风龙;基于激光扫描测距技术地貌可视化研究[D];长春理工大学;2019年
6 刘箭锋;基于全波形TLS点云的植被遮挡目标探测及可见性分析方法的研究[D];厦门大学;2018年
7 安瑶军;车载激光点云数据结构化道路及标线提取[D];长安大学;2019年
8 袁志聪;基于Harris特征的点云配准方法研究[D];东华理工大学;2019年
9 李晓天;基于改进LBET和神经网络的机载LiDAR点云分类研究[D];长安大学;2019年
10 罗毅超;基于激光点云及地质数据的露天金属矿爆破后矿石界线预测研究[D];江西理工大学;2019年
中国重要报纸全文数据库 前10条
1 本报记者 杨静;私企的天空有点云[N];山西经济日报;2001年
2 记者 张莹莹;指点云岭 激扬文字[N];云南政协报;2012年
3 商报记者 张绪旺;盘点云计算:概念众多 能力存疑[N];北京商报;2011年
4 记者 王力中 通讯员 沈惠芳;世界顶尖点云扫描设备技术入驻德清[N];湖州日报;2015年
5 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年
6 VAR记者 张林才 郭宏远 彭敏;点云成金[N];电脑商报;2011年
7 高卫松 蔡列飞;武大师生两论文获美国摄影测量与遥感学会奖[N];中国测绘报;2014年
8 记者 祝桂峰 通讯员 张荣;构建“智慧广州”又添新技术[N];中国矿业报;2012年
9 张立本 彭桂辉;航测局四项科研成果通过鉴定[N];中煤地质报;2014年
10 本报记者 李树翀;价值:云计算的终极砝码[N];中国计算机报;2012年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978