基于深度学习的倾斜摄影测量点云建筑物语义与实例联合分割

发布时间：2024-02-23 08:05

　　倾斜摄影测量点云作为一种新兴数据,因其具有丰富的地物表面信息和低成本、高精度、高效率等优势获得广泛关注,并在建筑物提取和建筑物单体化等方面表现出广大的应用前景。同二维图像相比,密集匹配点云的难点就在于地物分类时不仅要对地物的顶面进行分类,还要将地物的立面点集也划分到相应的类别中。但是,通过多视影像密集匹配生成的点云在分类任务中会受复杂多变的地形与地表起伏等因素的影响。倾斜摄影测量在获取多视影像时,会因为地物自身形状和地物间互相的遮挡等原因,无法获取到完整的地物相片。这使得地物分布较为密集的区域在生成倾斜摄影测量点云时会生成许多光谱信息错误,或者空间信息错误的点。这类点在传统分类算法中形成干扰因子,从而导致传统的三维点云分类算法表现效果不好。近年来,由于深度学习中的人工神经网络拥有优越的非线性表达能力而被广泛应用到多个研究领域中。研究者们在倾斜摄影测量点云中引入深度学习的方法,从而将三维点云数据中的地物分类称为语义分割。而三维点云中的建筑物单体化又与深度学习中的实例分割在概念上十分相似。因此,本文尝试使用深度卷积神经网络对倾斜摄影测量点云进行语义分割和实例分割,并在训练过程中对网络模型的...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图2.1线性变换示意图

?橐换?BatchNormalization)几个基本单元构成。2.1.1基本线性变换函数“张量”(Tensor)一词是WoldemarVoigt于1899年提出，用于描述矢量、标量和其他多维数组之间的线性关系的多线性函数。在物理学和传统数学中把张量看作是一个多维数组，当变换坐标....

图2.2二维卷积计算示意图

2卷积神经网络基础9iiiyfwxb=+(2.1)其中=1,2,3，一般将多个神经元及其权重组成的结构称为隐藏层，当隐藏层中的多个神经元为线性函数时称为线性变换，即卷积神经网络(CNN)中的全连接层。而多层感知器(MLP)就是由多个“隐藏层+激活函数（+批归一化）”模块所搭建的一....

图2.3池化层示意图

西安科技大学非全日制工程硕士论文10征图的个数。利用卷积进行训练，得到卷积核的权重就是其本质目标，但在第一次计算时，权重是不能为空的，所以在训练之初往往需要给予网络一个初始化的权重。2.1.3池化层池化层通常位于卷积层之后，主要功能是简化卷积层输出的信息、降低特征图的维度和减少后....

图2.4常见激活函数示意图

2卷积神经网络基础11图2.4常见激活函数示意图其中=∑ω+。sigmoid、tanh和ReLU的函数图像如图2.4所示。研究表明，与ReLU相比，sigmoid和tanh具有收敛速度慢和梯度消失等缺点，而ReLU函数能有效解决复杂网络结构梯度消失问题[47]。因此，本文所构建的....

本文编号：3907312