面向大范围室外场景的激光点云实时语义分割

发布时间：2024-04-19 21:48

　　激光点云的语义分割是实现三维场景理解的基础,特别是在大范围室外环境中,实现大规模点云的实时语义分割对于自动驾驶、智慧交通、虚拟现实等领域的应用具有重要的理论价值和现实意义。基于人工特征的点云语义分割方法依赖人工特征的设计与选取,其分割结果受研究人员的经验影响较大。目前基于深度学习的方法在语义分割结果的准确度方面有了很大的提升,但三维深度学习模型的计算效率通常较低,大量研究只能应用于离线的点云分析。本文围绕大范围室外场景的实时点云语义分割开展了相关研究,考虑到点云的数据表述方法会直接影响后续语义分割的计算效率和分割结果的准确性,本文首先对点云的数据表述方法进行了对比研究,然后研究了实时点云语义分割模型的设计、实现以及应用等,具体包括以下几方面内容:1.针对稀疏激光点云的实时语义分割问题,提出了一种基于八叉树森林的三维稀疏卷积神经网络。采用八叉树森林表述方法,通过减小八叉树的深度,提高数据访问的效率;设计了最小非平凡-不重叠卷积核,使得三维卷积能够直接在八叉树结构上进行稀疏计算,并进行了模型结构设计,给出了所提模型在CPU环境下的基于八叉树搜索的实现算法。实验结果表明,虽然所提方法的语义分...

【文章页数】：140 页

【学位级别】：博士

【部分图文】：

图1.2SEGCIoud模型的整体架构

图２．２八叉树结构示意图??Ｆｉｇ．?２．２?Ｉｌｌｕｓｔｒａｔｉｏｎ?ｏｆ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ａｎ?ｏｃｔｒｅｅ??

图２．３二维空间的Ｋ－Ｄ树结构示意图??Ｆｉｇ．?２．３?Ｉｌｌｕｓｔｒａｔｉｏｎ?ｏｆ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ａ?Ｋ－Ｄ?ｔｒｅｅ?ｉｎ?ｔｗｏ?ｄｉｍｅｎｓｉｏｎｓ??

图2.4基于二维图模型的点云数据分割结果

本文编号：3958425