面向室内三维场景散乱点云语义分割的PointUnet网络研究

发布时间：2025-01-01 03:07

　　三维场景散乱点云语义分割是实现室内三维场景理解与智能环境感知的前提和基础。近年来,国内外学者不断尝试将深度学习用于室内三维场景散乱点云分割与识别。然而,三维散乱点云数据本质上的无序性,使得现有的散乱点云深度学习模型仍无法避免特征信息抽取能力不足、网络框架泛化能力差等问题。本课题以提升点云深度学习网络特征抽取能力与网络框架泛化能力为目标,基于局部有序化思想和奇异值分解理论,对室内三维场景散乱点云语义分割开展研究,研究工作如下:首先,针对室内三维场景散乱点云语义分割模型在处理采样点分布不均的点云时无法避免邻域聚集,易导致特征信息提取误差大的问题,提出一种有向邻域搜索策略。该方法将最近邻与局部空间二次划分相结合,通过在每个卦限内进行“最远-最近”点采样搜索有向邻近点,以避免采样点分布不均情况下的邻域聚集与特征刻画不足问题;参考Unet网络框架,将有向邻域搜索与PointNet网络相结合,设计一种新的用于散乱三维点云场景分割的PointUnet网络框架。其次,为了解决室内三维场景散乱点云语义分割模型网络框架适应能力差的问题,提出一种奇异值分解有向卷积计算模型。该模型通过对局部协方差矩阵进行奇异值...

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图2-3Sigmoid函数及其导数图像

第2章点云深度学习理论基础-11-函数有Sigmoid函数，Tanh函数，ReLu函数，三者的数学公式及其导数公式如式(2-3)至(2-8)所示。1()1xSigmoidxe=+(2-3)2"()(1)xxeSigmoidxe=+(2-4)()xxxxeeTanhxee=+(2-....

图2-4Tanh函数及其导数图像

燕山大学工学硕士学位论文-12-与Sigmoid函数类似，从函数图像可以看出Tanh函数同样存在梯度弥散的现象，唯一的不同就是Tanh函数的输出值是以0为中心的，这就使得使用Tanh函数作为激活函数效果要比Sigmoid函数好，Tanh函数及其导数图像如图2-4所示。a)Tanh....

图2-5ReLu函数及其导数图像

燕山大学工学硕士学位论文-12-与Sigmoid函数类似，从函数图像可以看出Tanh函数同样存在梯度弥散的现象，唯一的不同就是Tanh函数的输出值是以0为中心的，这就使得使用Tanh函数作为激活函数效果要比Sigmoid函数好，Tanh函数及其导数图像如图2-4所示。a)Tanh....

图4-7奇异值分解有向邻

燕山大学工学硕士学位论文-34-a)有向邻域搜索策略搜索出邻近点b)奇异值分解有向邻域搜索策略搜索出的邻近点图4-7奇异值分解有向邻域搜索策略可视化效果图4.2.2算法性能的理论分析为了进一步证明算法的可行性，本节从局部点云协方差矩阵解决点云无序性、坐标系旋转不变性、平移特性以及....

本文编号：4021963