【摘 要】
:
三维激光扫描得到的点云数据是真实世界中的场景在计算机中的三维数据集合,包含了大量的语义信息。场景的三维点云语义分割研究受到了广泛的关注,在众多领域发挥出了重要作用。室外场景中的物体种类较多,分布不均匀,背景环境高度复杂,扫描得到的点云分布不均匀,存在近密远疏的问题,得到的扫描场景还会存在噪声与遮挡等情况。上述种种因素使得室外场景的三维点云语义分割成为了极具难度的挑战。真实世界中经常包含大量干扰因素
论文部分内容阅读
三维激光扫描得到的点云数据是真实世界中的场景在计算机中的三维数据集合,包含了大量的语义信息。场景的三维点云语义分割研究受到了广泛的关注,在众多领域发挥出了重要作用。室外场景中的物体种类较多,分布不均匀,背景环境高度复杂,扫描得到的点云分布不均匀,存在近密远疏的问题,得到的扫描场景还会存在噪声与遮挡等情况。上述种种因素使得室外场景的三维点云语义分割成为了极具难度的挑战。真实世界中经常包含大量干扰因素,为了保证三维点云语义分割得到的结果足够精准,点云的预处理算法至关重要,采用高效的滤波算法能够提升识别目标的特征辨识度。由于PointNet只针对每个点特征进行了提取,没有将点的局部信息产生的特征考虑在内,需要采用新的方法提取点云的局部特征,使得点在语义分割时的特征信息更加丰富。本文针对室外场景三维点云语义分割所需要的数据获取,场景滤波,场景理解等核心问题展开研究,主要内容如下:1.基于多尺度法向量差的点云数据滤波算法:算法通过在合理范围内的多尺度邻域对点云中的点求取多个法向量,计算同一点不同尺度下的法向量差将点云分为包含信息较多的尖锐区域和包含信息较少的平滑区域,并在两个区域上分别采用不同的滤波算法。对于室外场景点云会出现的的噪声干扰,该算法实现了对噪声较好的抑制。2.改进的随机采样一致性地面分割算法:算法首先利用多尺度法向量差提取点云的尖锐区域,包含了与地面接触的物体边缘,然后将场景平滑区域中的地面点进行提取。算法在实现地面点的完整分割的同时有效地保证了与地面接触的物体细节信息不会损失。3.将空间区域划分应用于PointNet的点云室外场景语义分割算法。针对现有点云语义分割算法特征提取慢,消耗资源多的问题,本文提出了一种可以快速获取点云局部特征的新算法。该算法基于PointNet网络提取点云场景的全局特征,同时将场景划分为多个空间区域提取区域特征。经过特征融合后对场景中的行人和车辆等信息进行了语义分割。算法基于公开的三维点云数据集进行了模型的训练与测试,与现有算法相比,本文算法的平均提高了约4%。4.在ROS仿真环境下进行了场景实验,进行了从场景扫描、数据获取、数据滤波到语义分割的全部流程,验证了本文算法在仿真室外场景中应用的有效性,并基于Unity三维引擎,结合算法识别结果与场景应用设计了一个三维场景重建展示系统。
其他文献
面部肌肉、神经损伤的患者会出现表情扭曲现象,严重影响了患者的日常生活。对于患者而言,长期定时前往医院进行康复状况检查,需花费大量时间金钱。并且患者面对医生时可能由于紧张、害怕等心理因素导致无法表现出最好的状态,使康复状况评估不够准确。对于医生而言,为病人评估康复状况属于重复性基础工作,占用大量门诊时间,减少接诊病人数量。另外,目前诊疗以医生主观判断为主,尚没有一套客观评价体系能够对病人训练效果进行
人体三维重建作为计算机视觉的一个子领域在最近几年发展迅速,其应用领域也愈发广泛。一方面,这项研究对人们日常生活和工作的方方面面都提供了非常多的帮助。另一方面,这项工作在科研领域也为计算机理解人体三维信息,认知三维世界提供了可能,是未来计算机视觉变革的前沿。为了解决现有的人体三维重建方法存在的耗时长,精度低等问题,本课题在已有的基于深度信息的人体三维点云重建算法的基础上提出了新的基于单目相机的人体稠
显著性检测是指通过模拟人的视觉特征提取图像中的显著区域,是计算机进一步理解和处理图像的重要预处理方式。关于显著性检测的研究已经有很多,但是关于人类视觉系统是如何捕捉到显著性区域尚未有明确的的解释。同时因为大量图像也蕴含着丰富的前后景信息,显著性检测仍然有很大的进步空间。特别是当图像包含一个复杂的场景,如何高效准确地将显著性物体提取出来仍然是一个待解决的问题。随着卷积神经网络的快速发展,显著性检测已
随着移动终端和定位技术的发展,服务端存储能力提升,越来越多的时空数据可以被精确地采集和存储,为基于时空数据的应用发展提供了坚实的基础。其中,轨迹数据是由移动物体产生的一系列时空数据,对于轨迹数据的分析和挖掘能够给人们日常的出行带来一系列便利,比如导航、路径推荐、智能交通等等。其中,对于轨迹数据的异常检测能够从海量的数据当中发现可能存在的异常行为,对于规范轨迹数据产生方的行为具有积极意义。目前,关于
在计算机视觉领域的诸多研究方向中,视觉目标检测与跟踪是最基础也是最重要的研究方向之一,同时也具有广泛的工业应用场景。视觉目标检测与跟踪是计算机对环境物体进行感知理解最基础也是最重要的步骤,为进一步的高层级的理解任务奠定了基础。而在众多的目标检测与跟踪的算法中,对目标的定位准确度是其算法整体性能的关键所在。针对视觉目标检测任务,本文着眼于目标定位准确度,通过分析检测结果,发现了当前的视觉目标检测算法
红外图像凭借其被动探测成像和全天候不间断工作的特性,在以科技对抗为主导的现代军事对抗中发挥着重要的作用。由于红外图像的广泛使用,一系列军事方面的红外图像目标检测问题成为科研人员们研究的热点之一。其中远方舰船、导弹、鱼雷等军事设备因为目标距离远、信号弱、小范围等固有属性,在红外成像系统中呈现出弱小目标的特性,该类目标的检测问题成为学者们在该领域长期关注的难题。高辐射的海杂波信号使得目标若隐若现,由于
随着人工智能技术的发展,表情识别的研究取得了突飞猛进的进展。大多数算法的良好表现依赖于训练集和测试集的分布一致性条件,但是诸如图像采集条件、个体属性等因素的不同会使得数据间存在较大的分布差异。因此当把模型应用到新的未知分布的数据上时,其识别精度会有一定程度的下降。跨数据集的表情识别问题具有重要的学术价值,该问题的解决有利于推动表情识别的广泛应用。现有的跨数据集的表情识别方法缺乏对干扰信息的有效排除
需求工程是设计和编写工业软件的关键步骤。以人工为主的需求建模方式非常耗时且容易出错,现有的需求建模方法大多需要人工来完成,或者根据完整的形式化或半形式化需求规范文本进行建模,仍然需要项目工程师事先花费大量的时间和精力,将系统需求完全理解并编辑成规范化的需求文本。因此需要一种自动化的方式可以在极短的时间内建立精确的需求模型。为了实现快速、准确的需求建模,且适用于智能制造领域的功能性与非功能性需求,本
高精度建图和定位是自主代客泊车系统的关键技术之一。在室内停车场环境下,车辆变动频繁,且存在行人干扰,这会导致据其生成的三维场景特征地图频繁更新,对计算资源要求较高。而且,全球导航卫星信号也因遮挡不可使用,这进一步增加了室内停车场低成本、高精度定位的实现难度。基于以上考虑,本文融合低成本的环视鱼眼相机信息、惯性测量单元和轮速编码器测量信息,设计了一种基于地面标志语义类别信息的高精度建图与定位方法,可
随着大数据和人工智能技术的发展,数据的重要性变得越来越凸显,并被经济学人杂志称为数字时代的石油。然而大数据在其产生巨大的价值的同时,也带来了数据隐私泄露的风险。为了实现在数据发布过程中,既保护数据的隐私,又保持数据的可用性,引入随机化的扰动是一种很常见的方法。基于随机加噪的数据发布一方面能够提供严格的隐私量化标准,另一方面通过合理的设计噪声能够保持数据的可用性,也因此成为数据发布领域的研究热点。然