三维点云语义分割技术研究
发布时间：2021-02-14 18:55
近年来,无人驾驶系统作为人工智能的重要应用领域进入实用化阶段。无人驾驶系统通过车载的传感器对周边的环境和自身的各种状态进行探测感知,再通过相关算法对周边环境进行识别,并赋予分类信息,供系统进行分析决策。其中,激光雷达是一种在该领域具有应用前景的传感器,所以研究其点云处理方法非常重要。基于对三维点云的语义分割,本文主要分为以下两个方面的内容:（1）采用传统点云分割方法:先进行地面滤波,然后对剩下的点云采用kmeans和谱聚类等多种聚类算法进行聚类处理,得到分割结果。其中kmeans聚类会依赖于分类类别数的选取和初始化的中心点的选取,并且对噪声点敏感;meanshift聚类算法聚类结果取决于带宽的设置,带宽设置的太小,收敛太慢,簇类个数过多,带宽设置的太大,一些簇类可能会丢失;谱聚类算法对相关参数选取直接影响了邻接矩阵的生成和聚类数目的多少,但是谱聚类有可以在任意形状的数据集上得到收敛于全局的聚类结果的优势;DBSCAN密度聚类效果则对选取邻域的半径和邻域内点云数目敏感,但是对数据集空间的形状不敏感。通过对各个方法的聚类过程和结果进行分析,发现传统方法的效果会依赖于手动设置的相关参数,这对...
【文章来源】： 何汉 电子科技大学
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
KdTree结构
电子科技大学硕士学位论文8图2-1KdTree结构2.2.2OcTree在1978年，Hunter博士研究出了一种OcTree（八叉树结构）[28]，这是一种数据模型。八叉树结构能够对于三维结构进行解析研究几何实体，由于每一个维度实体都会具有一致的时间、空间复杂性，基于此能够形成一个方位图，且含有根节点。如果几何实体为同属性，那么该体元就会形成叶节点。如果不能形成同属性叶节点，那么就将体元剖析成8个子立方体，具体如图2-2所示。图2-2八叉树结构图八叉树结构的原理：（1）设置最大递归深度；（2）找出场景的最大值并用该值构建第一个立方体；（3）将没有节点的按照顺序放入单位元素；（4）如果未达到最大递归深度，则细分八个相等的部分，然后将多维数据集的所有单元元素共享给八个子多维数据集；（5）如果发现分配给子多维数据集的单元元素数不为零，且子多维数据集与父多维数据集相同，则子多维数据集停止细分，这是因为空间分割理论
第二章语义分割基本原理和数据集介绍9指出，细分的空间分配不能太多，必须更少，如果切割的数字相同，那么无论如何切割，数字都是一样的，这会造成无限切割的现象产生；（6）重复（3）直至最大递归深度。八叉树的逻辑结构如图2-3所示，假设要表示的形状可以放在一个足够大的立方体中，其八叉树可以通过以下递归方法定义：八叉树的每个节点对应于一个子立方体，树根对应于长方体本身。如果树根等于该长方体，则八叉树只有树根；反之，则该长方体等分为八个子立方体，每个子立方体对应于树根的一个子节点。只要一个子立方体不是完全空的或者被树根占据，它就会被分成八个相等的部分，所以相应的节点也会有八个子节点。这种递归判断和分割应该一直进行到与节点相对应的立方体要么完全为空，要么完全被树根占据，或者其大小是预先定义的体素大小，并且在它和树根之间进行某种舍入，这样体素要么被视为空，要么被树根占据。图2-3八叉树逻辑结构点云是海量的数据形成的，这些组成数据可以通过自身的颜色、距离、法线等信息描述空间的任意三维点。除此之外，点云的创建是十分高效的，它可以依据很快的速率建出，所以储存点云占用的资源相当巨大。当点云需要通过低速率通信通道进行传输或者对点云进行存储时，压缩这种大数据的方法就变得相当有用。2.3多层感知器原理介绍1.多层感知器介绍神经网络是当前机器学习领域普遍所应用的，例如现在很普遍的方向是神经网络可以进行图像识别、语音识别等，从而将其拓展应用于自动驾驶汽车。多层感知器这类网络属于一种充分并行化的数据处理系统，在使用的过程中体现出不错的自学习性能。在一些数学模型依赖度孝目标参数较为多变、外部存在多样性的
【参考文献】：
期刊论文
[1]基于点云数据的分割方法综述[J]. 顾军华,李炜,董永峰. 燕山大学学报. 2020(02)
[2]监督学习中的损失函数及应用研究[J]. 邓建国,张素兰,张继福,荀亚玲,刘爱琴. 大数据. 2020(01)
[3]DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用[J]. 曲金博,王岩,赵琪. 测绘通报. 2019(11)
[4]基于目标形态特征的工件自动分割方法[J]. 逄增治,史建杰,尹建芹,朱利民,李金屏. 北京邮电大学学报. 2019(05)
[5]基于距离分辨的激光雷达技术研究进展[J]. 陈剑彪,孙华燕,赵融生,孔舒亚,赵延仲,单聪淼. 红外与激光工程. 2019(08)
[6]智能感知技术推动汽车、机器视觉、边缘人工智能的发展[J]. ON Semiconductor;. 传感器世界. 2019(07)
[7]计算机通信技术与电子信息在人工智能领域的实践应用分析[J]. 崔天明. 电脑与电信. 2018(06)
[8]运用不同聚类算法对风电场功率预测研究[J]. 张彦恒,郑玉玉. 南方农机. 2018(09)
[9]ReLU激活函数优化研究[J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
[10]基于改进激活函数的卷积神经网络研究[J]. 曲之琳,胡晓飞. 计算机技术与发展. 2017(12)
博士论文
[1]残差聚类算法研究[D]. Milan Deepak Parmar.吉林大学 2019
[2]基于内容的图像检索与图像语义分析[D]. 齐亚莉.天津大学 2017
[3]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012
硕士论文
[1]基于深度神经网络的激光雷达点云语义分割算法研究[D]. 周天添.哈尔滨工业大学 2019
本文编号：3033689
【文章来源】： 何汉 电子科技大学
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
KdTree结构
电子科技大学硕士学位论文8图2-1KdTree结构2.2.2OcTree在1978年，Hunter博士研究出了一种OcTree（八叉树结构）[28]，这是一种数据模型。八叉树结构能够对于三维结构进行解析研究几何实体，由于每一个维度实体都会具有一致的时间、空间复杂性，基于此能够形成一个方位图，且含有根节点。如果几何实体为同属性，那么该体元就会形成叶节点。如果不能形成同属性叶节点，那么就将体元剖析成8个子立方体，具体如图2-2所示。图2-2八叉树结构图八叉树结构的原理：（1）设置最大递归深度；（2）找出场景的最大值并用该值构建第一个立方体；（3）将没有节点的按照顺序放入单位元素；（4）如果未达到最大递归深度，则细分八个相等的部分，然后将多维数据集的所有单元元素共享给八个子多维数据集；（5）如果发现分配给子多维数据集的单元元素数不为零，且子多维数据集与父多维数据集相同，则子多维数据集停止细分，这是因为空间分割理论
第二章语义分割基本原理和数据集介绍9指出，细分的空间分配不能太多，必须更少，如果切割的数字相同，那么无论如何切割，数字都是一样的，这会造成无限切割的现象产生；（6）重复（3）直至最大递归深度。八叉树的逻辑结构如图2-3所示，假设要表示的形状可以放在一个足够大的立方体中，其八叉树可以通过以下递归方法定义：八叉树的每个节点对应于一个子立方体，树根对应于长方体本身。如果树根等于该长方体，则八叉树只有树根；反之，则该长方体等分为八个子立方体，每个子立方体对应于树根的一个子节点。只要一个子立方体不是完全空的或者被树根占据，它就会被分成八个相等的部分，所以相应的节点也会有八个子节点。这种递归判断和分割应该一直进行到与节点相对应的立方体要么完全为空，要么完全被树根占据，或者其大小是预先定义的体素大小，并且在它和树根之间进行某种舍入，这样体素要么被视为空，要么被树根占据。图2-3八叉树逻辑结构点云是海量的数据形成的，这些组成数据可以通过自身的颜色、距离、法线等信息描述空间的任意三维点。除此之外，点云的创建是十分高效的，它可以依据很快的速率建出，所以储存点云占用的资源相当巨大。当点云需要通过低速率通信通道进行传输或者对点云进行存储时，压缩这种大数据的方法就变得相当有用。2.3多层感知器原理介绍1.多层感知器介绍神经网络是当前机器学习领域普遍所应用的，例如现在很普遍的方向是神经网络可以进行图像识别、语音识别等，从而将其拓展应用于自动驾驶汽车。多层感知器这类网络属于一种充分并行化的数据处理系统，在使用的过程中体现出不错的自学习性能。在一些数学模型依赖度孝目标参数较为多变、外部存在多样性的
【参考文献】：
期刊论文
[1]基于点云数据的分割方法综述[J]. 顾军华,李炜,董永峰. 燕山大学学报. 2020(02)
[2]监督学习中的损失函数及应用研究[J]. 邓建国,张素兰,张继福,荀亚玲,刘爱琴. 大数据. 2020(01)
[3]DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用[J]. 曲金博,王岩,赵琪. 测绘通报. 2019(11)
[4]基于目标形态特征的工件自动分割方法[J]. 逄增治,史建杰,尹建芹,朱利民,李金屏. 北京邮电大学学报. 2019(05)
[5]基于距离分辨的激光雷达技术研究进展[J]. 陈剑彪,孙华燕,赵融生,孔舒亚,赵延仲,单聪淼. 红外与激光工程. 2019(08)
[6]智能感知技术推动汽车、机器视觉、边缘人工智能的发展[J]. ON Semiconductor;. 传感器世界. 2019(07)
[7]计算机通信技术与电子信息在人工智能领域的实践应用分析[J]. 崔天明. 电脑与电信. 2018(06)
[8]运用不同聚类算法对风电场功率预测研究[J]. 张彦恒,郑玉玉. 南方农机. 2018(09)
[9]ReLU激活函数优化研究[J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
[10]基于改进激活函数的卷积神经网络研究[J]. 曲之琳,胡晓飞. 计算机技术与发展. 2017(12)
博士论文
[1]残差聚类算法研究[D]. Milan Deepak Parmar.吉林大学 2019
[2]基于内容的图像检索与图像语义分析[D]. 齐亚莉.天津大学 2017
[3]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012
硕士论文
[1]基于深度神经网络的激光雷达点云语义分割算法研究[D]. 周天添.哈尔滨工业大学 2019
本文编号：3033689
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3033689.html
