傾斜攝影測量點云作為一種新興數(shù)據(jù),因其具有豐富的地物表面信息和低成本、高精度、高效率等優(yōu)勢獲得廣泛關(guān)注,并在建筑物提取和建筑物單體化等方面表現(xiàn)出廣大的應(yīng)用前景。同二維圖像相比,密集匹配點云的難點就在于地物分類時不僅要對地物的頂面進行分類,還要將地物的立面點集也劃分到相應(yīng)的類別中。但是,通過多視影像密集匹配生成的點云在分類任務(wù)中會受復(fù)雜多變的地形與地表起伏等因素的影響。傾斜攝影測量在獲取多視影像時,會因為地物自身形狀和地物間互相的遮擋等原因,無法獲取到完整的地物相片。這使得地物分布較為密集的區(qū)域在生成傾斜攝影測量點云時會生成許多光譜信息錯誤,或者空間信息錯誤的點。這類點在傳統(tǒng)分類算法中形成干擾因子,從而導(dǎo)致傳統(tǒng)的三維點云分類算法表現(xiàn)效果不好。近年來,由于深度學(xué)習(xí)中的人工神經(jīng)網(wǎng)絡(luò)擁有優(yōu)越的非線性表達能力而被廣泛應(yīng)用到多個研究領(lǐng)域中。研究者們在傾斜攝影測量點云中引入深度學(xué)習(xí)的方法,從而將三維點云數(shù)據(jù)中的地物分類稱為語義分割。而三維點云中的建筑物單體化又與深度學(xué)習(xí)中的實例分割在概念上十分相似。因此,本文嘗試使用深度卷積神經(jīng)網(wǎng)絡(luò)對傾斜攝影測量點云進行語義分割和實例分割,并在訓(xùn)練過程中對網(wǎng)絡(luò)模型的...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1線性變換示意圖

?橐換?BatchNormalization)幾個基本單元構(gòu)成。2.1.1基本線性變換函數(shù)“張量”(Tensor)一詞是WoldemarVoigt于1899年提出，用于描述矢量、標(biāo)量和其他多維數(shù)組之間的線性關(guān)系的多線性函數(shù)。在物理學(xué)和傳統(tǒng)數(shù)學(xué)中把張量看作是一個多維數(shù)組，當(dāng)變換坐標(biāo)....

圖2.2二維卷積計算示意圖

2卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)9iiiyfwxb=+(2.1)其中=1,2,3，一般將多個神經(jīng)元及其權(quán)重組成的結(jié)構(gòu)稱為隱藏層，當(dāng)隱藏層中的多個神經(jīng)元為線性函數(shù)時稱為線性變換，即卷積神經(jīng)網(wǎng)絡(luò)(CNN)中的全連接層。而多層感知器(MLP)就是由多個“隱藏層+激活函數(shù)（+批歸一化）”模塊所搭建的一....

圖2.3池化層示意圖

西安科技大學(xué)非全日制工程碩士論文10征圖的個數(shù)。利用卷積進行訓(xùn)練，得到卷積核的權(quán)重就是其本質(zhì)目標(biāo)，但在第一次計算時，權(quán)重是不能為空的，所以在訓(xùn)練之初往往需要給予網(wǎng)絡(luò)一個初始化的權(quán)重。2.1.3池化層池化層通常位于卷積層之后，主要功能是簡化卷積層輸出的信息、降低特征圖的維度和減少后....

圖2.4常見激活函數(shù)示意圖

2卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)11圖2.4常見激活函數(shù)示意圖其中=∑ω+。sigmoid、tanh和ReLU的函數(shù)圖像如圖2.4所示。研究表明，與ReLU相比，sigmoid和tanh具有收斂速度慢和梯度消失等缺點，而ReLU函數(shù)能有效解決復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)梯度消失問題[47]。因此，本文所構(gòu)建的....

本文編號：3907312