基于深度学习的三维激光点云轨道对象语义分割与提取
发布时间：2022-07-13 15:13
铁路不仅是国家的基础设施之一,同时其作为全民性的交通工具,也是促使国民经济上升的必要内容之一。而铁路的既有线勘测工程是铁路维护修缮与增设二线的必要步骤之一。以铁路中心线作为控制线的人工静态测量传统方法,存在安全系数较低、受限于铁路运营状态等问题,导致该方法的工作效率较低。而集三维激光扫描、全景相机和惯导定位定姿传感器为一体的移动测量技术是近二十年来在测绘领域逐步发展起来的一项全新技术,该项技术利用了基于GNSS、INS、DMI与IMU等四项内容的导航技术获取了激光扫描移动平台的定位信息和姿态信息,结合平台搭载的三维激光扫描仪、高清相机等设备获取测图场景带地理参考信息的观测数据。相较于传统的人工静态测绘方法,在数据采集效率、数据丰富程度、采集安全性等方面,基于移动测量技术的三维激光扫描移动测绘系统具有无可比拟的优势;在测量精度上,移动测量的精度也随着GNSS、INS、相机、激光扫描仪等硬件和组合导航算法的发展而不断提升。虽然三维激光扫描移动测绘系统解决了铁路场景下三维激光点云数据采集阶段所遇到的一些问题,但是在点云的分类与提取上仍存在不少难题。主要体现在目前现有的三维激光点云分割与提取方...
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 研究目的、研究内容和技术框架
1.3.1 研究目标和研究思路
1.3.2 研究内容
1.4 论文组织结构
第二章 三维激光点云轨道提取技术
2.1 传统三维点云物体检测算法
2.1.1 三维激光雷达点云数据
2.1.2 传统三维激光雷达点云的目标分类算法
2.2 深度学习算法
2.2.1 基于三维点云网格化的算法
2.2.2 PointNet算法
2.2.3 PointNet++算法
2.2.4 VoxelNet算法
2.2.5 PointCNN算法
2.3 轨道线提取算法
2.4 算法适应性评价
2.5 本章小结
第三章 基于深度学习的轨道对象分割分类技术
3.1 技术路线
3.2 轨道点云噪声滤波
3.3 轨道对象点云识别方法
3.4 本章小结
第四章 基于钢轨三维激光点云的轨道线提取
4.1 技术路线
4.2 钢轨标准结构信息
4.3 基于钢轨模型匹配的轨道线提取方法
4.3.1 点云投影算法
4.3.2 形状匹配算法
4.4 本章小结
第五章 钢轨语义分割与中心线提取原型系统实现与精度评估
5.1 实验数据采集
5.2 原型系统设计与实现
5.3 轨道对象分割与分类
5.4 轨道线提取
5.5 结果精度评估
5.5.1 轨道对象分割与分类
5.5.2 轨道线提取
5.6 本章小结
第六章 结论与展望
6.1 本文主要研究工作及创新
6.1.1 研究总结
6.1.2 创新点
6.2 进一步研究展望
参考文献
【参考文献】：
期刊论文
[1]机载LiDAR点云滤波综述[J]. 惠振阳,程朋根,官云兰,聂运菊. 激光与光电子学进展. 2018(06)
[2]融合光谱特征和几何特征的建筑物提取算法[J]. 何曼芸,程英蕾,廖湘江,赵中阳. 激光与光电子学进展. 2018(04)
[3]基于强度与颜色信息的地面LiDAR点云联合分类方法[J]. 程效军,郭王,李泉,程小龙. 中国激光. 2017(10)
[4]海量散乱点云快速压缩算法[J]. 方芳,程效军. 武汉大学学报(信息科学版). 2013(11)
[5]SVM加权学习下的机载LiDAR数据多元分类研究[J]. 吴军,刘荣,郭宁,刘丽娟. 武汉大学学报(信息科学版). 2013(01)
[6]GPS-RTK三维一体化既有线测绘方法的研究[J]. 张建民,刘晓明. 铁道勘察. 2012(05)
[7]基于点云-模型匹配的激光雷达目标识别[J]. 谭志国,鲁敏,胡延平,郭裕兰,庄钊文. 计算机工程与科学. 2012(04)
[8]基于曲面分割的三维点云物体识别[J]. 魏永超,刘长华,杜冬. 光子学报. 2010(12)
[9]激光跟踪测量系统在飞机型面测量中的应用[J]. 陈智勇,吴建军,赵玉静,符文贞. 机械设计与制造. 2009(12)
[10]地面三维激光扫描技术的发展与应用前景[J]. 戴升山,李田凤. 现代测绘. 2009(04)
本文编号：3660270
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 研究目的、研究内容和技术框架
1.3.1 研究目标和研究思路
1.3.2 研究内容
1.4 论文组织结构
第二章 三维激光点云轨道提取技术
2.1 传统三维点云物体检测算法
2.1.1 三维激光雷达点云数据
2.1.2 传统三维激光雷达点云的目标分类算法
2.2 深度学习算法
2.2.1 基于三维点云网格化的算法
2.2.2 PointNet算法
2.2.3 PointNet++算法
2.2.4 VoxelNet算法
2.2.5 PointCNN算法
2.3 轨道线提取算法
2.4 算法适应性评价
2.5 本章小结
第三章 基于深度学习的轨道对象分割分类技术
3.1 技术路线
3.2 轨道点云噪声滤波
3.3 轨道对象点云识别方法
3.4 本章小结
第四章 基于钢轨三维激光点云的轨道线提取
4.1 技术路线
4.2 钢轨标准结构信息
4.3 基于钢轨模型匹配的轨道线提取方法
4.3.1 点云投影算法
4.3.2 形状匹配算法
4.4 本章小结
第五章 钢轨语义分割与中心线提取原型系统实现与精度评估
5.1 实验数据采集
5.2 原型系统设计与实现
5.3 轨道对象分割与分类
5.4 轨道线提取
5.5 结果精度评估
5.5.1 轨道对象分割与分类
5.5.2 轨道线提取
5.6 本章小结
第六章 结论与展望
6.1 本文主要研究工作及创新
6.1.1 研究总结
6.1.2 创新点
6.2 进一步研究展望
参考文献
【参考文献】：
期刊论文
[1]机载LiDAR点云滤波综述[J]. 惠振阳,程朋根,官云兰,聂运菊. 激光与光电子学进展. 2018(06)
[2]融合光谱特征和几何特征的建筑物提取算法[J]. 何曼芸,程英蕾,廖湘江,赵中阳. 激光与光电子学进展. 2018(04)
[3]基于强度与颜色信息的地面LiDAR点云联合分类方法[J]. 程效军,郭王,李泉,程小龙. 中国激光. 2017(10)
[4]海量散乱点云快速压缩算法[J]. 方芳,程效军. 武汉大学学报(信息科学版). 2013(11)
[5]SVM加权学习下的机载LiDAR数据多元分类研究[J]. 吴军,刘荣,郭宁,刘丽娟. 武汉大学学报(信息科学版). 2013(01)
[6]GPS-RTK三维一体化既有线测绘方法的研究[J]. 张建民,刘晓明. 铁道勘察. 2012(05)
[7]基于点云-模型匹配的激光雷达目标识别[J]. 谭志国,鲁敏,胡延平,郭裕兰,庄钊文. 计算机工程与科学. 2012(04)
[8]基于曲面分割的三维点云物体识别[J]. 魏永超,刘长华,杜冬. 光子学报. 2010(12)
[9]激光跟踪测量系统在飞机型面测量中的应用[J]. 陈智勇,吴建军,赵玉静,符文贞. 机械设计与制造. 2009(12)
[10]地面三维激光扫描技术的发展与应用前景[J]. 戴升山,李田凤. 现代测绘. 2009(04)
本文编号：3660270
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3660270.html
