基于卷积神经网络的激光点云三维目标识别

发布时间：2025-01-14 05:44

　　随着计算机视觉领域的不断发展,机器感知自然世界的手段也从传统的二维成像发展到三维成像。激光成像技术的三维点云目标识别在军事侦查、无人驾驶以及机器人等领域中有着巨大的应用以及发展前景,而基于三维点云数据的目标识别、跟踪以及检测这三种方法已经成为计算机视觉应用领域的研究热点。本文以激光成像技术的三维激光点云目标识别为研究背景,通过对卷积神经网络的结构设计以及改进,网络结构参数的调整以及优化等,展开了针对三维点云目标识别领域的研究。本文主要研究工作如下:1.首先介绍了针对激光成像技术中的三维点云目标识别的研究背景以及意义、并对目前三维点云目标识别以及卷积神经网络的研究现状、原理以及发展趋势进行了详细的综述。2.通过对三维目标识别进行理论上的详细介绍,从最开始人工设计三维特征的传统的方法,到后面由于数据的大量增多,传统的方法已经无法继续适合发展的需要,从而深度学习的方法便开始成为目前解决三维目标识别的重要手段,到最后介绍了三维点云目标识别的一些开创性工作。3.基于卷积神经网络模型结构理论,本文提出了三种不同的改进型网络结构模型,并通过丰富卷积层提取特征的多样性来更好的实现三维点云目标识别。基于多...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图1.1常见的三维传感器

足此类需求，因此，三维视觉领域的迅速发展直接推动了目前人工智能领域、计算机视觉领域以及工业上的发展，影响着全世界人民的生活便捷度以及各个国家军事力量的增幅因子。在这个发展的过程中，对此影响较大的因素可以说是归功于三维传感器的发展，目前市场上的三维传感器发展迅速，其廉价以及便捷性导....

图2.1激光三维点云扫描系统

型是一组离散的且不规则的空间点集，而三维激光点云是作为最基本的几何定义实体，可以对复杂的三维目标之间进行信息采集、并进行描绘[18]。激光点云所构建的目标的空间点集包含目标两个方面的属性：（1）三维几何特征：包括所扫描的目标的表面的点在空间三维坐标下的点的三维的坐标以及点与点之间....

图2.2基于全局特征匹配

国防科技大学研究生院硕士学位论文第11页三维目标提取全局特征获得整个目标的全局特征信息特征信息融合目标识别图2.2基于全局特征匹配的三维目标识别流程图2.2.2基于局部特征匹配的三维目标识别第二种方法是：基于局部特征匹配的方法。与基于全局特征的三维目标识别不同，基于局部特征的三维....

图2.2基于全局特征匹配

国防科技大学研究生院硕士学位论文第11页三维目标提取全局特征获得整个目标的全局特征信息特征信息融合目标识别图2.2基于全局特征匹配的三维目标识别流程图2.2.2基于局部特征匹配的三维目标识别第二种方法是：基于局部特征匹配的方法。与基于全局特征的三维目标识别不同，基于局部特征的三维....

本文编号：4026496