發(fā)布時(shí)間：2025-01-01 03:07

　　三維場(chǎng)景散亂點(diǎn)云語義分割是實(shí)現(xiàn)室內(nèi)三維場(chǎng)景理解與智能環(huán)境感知的前提和基礎(chǔ)。近年來,國(guó)內(nèi)外學(xué)者不斷嘗試將深度學(xué)習(xí)用于室內(nèi)三維場(chǎng)景散亂點(diǎn)云分割與識(shí)別。然而,三維散亂點(diǎn)云數(shù)據(jù)本質(zhì)上的無序性,使得現(xiàn)有的散亂點(diǎn)云深度學(xué)習(xí)模型仍無法避免特征信息抽取能力不足、網(wǎng)絡(luò)框架泛化能力差等問題。本課題以提升點(diǎn)云深度學(xué)習(xí)網(wǎng)絡(luò)特征抽取能力與網(wǎng)絡(luò)框架泛化能力為目標(biāo),基于局部有序化思想和奇異值分解理論,對(duì)室內(nèi)三維場(chǎng)景散亂點(diǎn)云語義分割開展研究,研究工作如下:首先,針對(duì)室內(nèi)三維場(chǎng)景散亂點(diǎn)云語義分割模型在處理采樣點(diǎn)分布不均的點(diǎn)云時(shí)無法避免鄰域聚集,易導(dǎo)致特征信息提取誤差大的問題,提出一種有向鄰域搜索策略。該方法將最近鄰與局部空間二次劃分相結(jié)合,通過在每個(gè)卦限內(nèi)進(jìn)行“最遠(yuǎn)-最近”點(diǎn)采樣搜索有向鄰近點(diǎn),以避免采樣點(diǎn)分布不均情況下的鄰域聚集與特征刻畫不足問題;參考Unet網(wǎng)絡(luò)框架,將有向鄰域搜索與PointNet網(wǎng)絡(luò)相結(jié)合,設(shè)計(jì)一種新的用于散亂三維點(diǎn)云場(chǎng)景分割的PointUnet網(wǎng)絡(luò)框架。其次,為了解決室內(nèi)三維場(chǎng)景散亂點(diǎn)云語義分割模型網(wǎng)絡(luò)框架適應(yīng)能力差的問題,提出一種奇異值分解有向卷積計(jì)算模型。該模型通過對(duì)局部協(xié)方差矩陣進(jìn)行奇異值...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-3Sigmoid函數(shù)及其導(dǎo)數(shù)圖像

第2章點(diǎn)云深度學(xué)習(xí)理論基礎(chǔ)-11-函數(shù)有Sigmoid函數(shù)，Tanh函數(shù)，ReLu函數(shù)，三者的數(shù)學(xué)公式及其導(dǎo)數(shù)公式如式(2-3)至(2-8)所示。1()1xSigmoidxe=+(2-3)2"()(1)xxeSigmoidxe=+(2-4)()xxxxeeTanhxee=+(2-....

圖2-4Tanh函數(shù)及其導(dǎo)數(shù)圖像

燕山大學(xué)工學(xué)碩士學(xué)位論文-12-與Sigmoid函數(shù)類似，從函數(shù)圖像可以看出Tanh函數(shù)同樣存在梯度彌散的現(xiàn)象，唯一的不同就是Tanh函數(shù)的輸出值是以0為中心的，這就使得使用Tanh函數(shù)作為激活函數(shù)效果要比Sigmoid函數(shù)好，Tanh函數(shù)及其導(dǎo)數(shù)圖像如圖2-4所示。a)Tanh....

圖2-5ReLu函數(shù)及其導(dǎo)數(shù)圖像

燕山大學(xué)工學(xué)碩士學(xué)位論文-12-與Sigmoid函數(shù)類似，從函數(shù)圖像可以看出Tanh函數(shù)同樣存在梯度彌散的現(xiàn)象，唯一的不同就是Tanh函數(shù)的輸出值是以0為中心的，這就使得使用Tanh函數(shù)作為激活函數(shù)效果要比Sigmoid函數(shù)好，Tanh函數(shù)及其導(dǎo)數(shù)圖像如圖2-4所示。a)Tanh....

圖4-7奇異值分解有向鄰

燕山大學(xué)工學(xué)碩士學(xué)位論文-34-a)有向鄰域搜索策略搜索出鄰近點(diǎn)b)奇異值分解有向鄰域搜索策略搜索出的鄰近點(diǎn)圖4-7奇異值分解有向鄰域搜索策略可視化效果圖4.2.2算法性能的理論分析為了進(jìn)一步證明算法的可行性，本節(jié)從局部點(diǎn)云協(xié)方差矩陣解決點(diǎn)云無序性、坐標(biāo)系旋轉(zhuǎn)不變性、平移特性以及....

本文編號(hào)：4021963