基于三维点云的室外场景分类与重建方法研究

发布时间：2020-12-13 02:37

　　伴随着自动驾驶、数字城市等创新技术的提出,基于三维点云数据的室外场景语义分割对自动驾驶路况的分析和智能自主导航等应用的快速发展具有重要的作用。在数字城市建设方面,室外场景重建技术在城市规划、建筑物修复、增强现实等领域都有实际的应用。因此,室外场景的语义分割和重建问题越来越多的受到国内外学者的关注,并逐渐成为计算机视觉、计算机图形学等领域的研究热点。目前针对三维点云室外场景语义分割方法在自动化程度和算法复杂度方面仍然存在一些问题,本文针对复杂室外点云场景的自动语义分割技术和基于语义分割结果的室外场景重建方法展开研究。主要工作如下:(1)本文通过对DGCNN网络进行改进,利用卷积神经网络完成点云场景的语义分割。改进后的卷积神经网络结构直接将原始点云的三维坐标作为输入,去除对齐网络,利用DGCNN中的边缘卷积(EdgeConv)提取特征,在网络结构上减少了卷积层层数,降低了网络的参数量,使得网络结构更加轻量化;然后利用黄石公共数据集对本文改进后的深度学习网络进行验证;最后,将本文网络的语义分割结果与对比方法DGCNN网络进行对比,并从总体精度和交并比(Intersection over Un... 

【文章来源】：西安理工大学陕西省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

（a）强度值，（b）颜色，（c）类别标签[49]

西安理工大学工程硕士专业学位论文12(a)(b)图2-3(a)机载扫描设备，(b)机载扫描的点云数据[50]Fig.2-3(a)Airbornescanningequipment,(b)Pointclouddatascannedbyairborne[50]图2-4VelodyneHDL32型三维激光采集车Fig.2-4VelodyneHDL323DlaseracquisitionvehicleParis-rue-Madame数据集[51]是法国国立巴黎高等矿业学校（MINESParisTech）在2014年公开的一个用于城市室外场景分割和分类的数据集。图2-4为该数据集的VelodyneHDL32型采集车，采集了巴黎第六区rueMadame大街的三维数据。该数据集分为两部分，每部分分别包含1000万个三维点，每个三维点含有（x，y，z）坐标，反射率，标签，类别属性。语义类别包括：外墙，地面，汽车，摩托车，行人，交通标志等26种类别。图2-5（a）为其中一组数据的标签染色图，2-5（b）为类别染色图。

西安理工大学工程硕士专业学位论文12(a)(b)图2-3(a)机载扫描设备，(b)机载扫描的点云数据[50]Fig.2-3(a)Airbornescanningequipment,(b)Pointclouddatascannedbyairborne[50]图2-4VelodyneHDL32型三维激光采集车Fig.2-4VelodyneHDL323DlaseracquisitionvehicleParis-rue-Madame数据集[51]是法国国立巴黎高等矿业学校（MINESParisTech）在2014年公开的一个用于城市室外场景分割和分类的数据集。图2-4为该数据集的VelodyneHDL32型采集车，采集了巴黎第六区rueMadame大街的三维数据。该数据集分为两部分，每部分分别包含1000万个三维点，每个三维点含有（x，y，z）坐标，反射率，标签，类别属性。语义类别包括：外墙，地面，汽车，摩托车，行人，交通标志等26种类别。图2-5（a）为其中一组数据的标签染色图，2-5（b）为类别染色图。

【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)



本文编号：2913732