伴隨著自動駕駛、數(shù)字城市等創(chuàng)新技術的提出,基于三維點云數(shù)據(jù)的室外場景語義分割對自動駕駛路況的分析和智能自主導航等應用的快速發(fā)展具有重要的作用。在數(shù)字城市建設方面,室外場景重建技術在城市規(guī)劃、建筑物修復、增強現(xiàn)實等領域都有實際的應用。因此,室外場景的語義分割和重建問題越來越多的受到國內外學者的關注,并逐漸成為計算機視覺、計算機圖形學等領域的研究熱點。目前針對三維點云室外場景語義分割方法在自動化程度和算法復雜度方面仍然存在一些問題,本文針對復雜室外點云場景的自動語義分割技術和基于語義分割結果的室外場景重建方法展開研究。主要工作如下:(1)本文通過對DGCNN網(wǎng)絡進行改進,利用卷積神經(jīng)網(wǎng)絡完成點云場景的語義分割。改進后的卷積神經(jīng)網(wǎng)絡結構直接將原始點云的三維坐標作為輸入,去除對齊網(wǎng)絡,利用DGCNN中的邊緣卷積(EdgeConv)提取特征,在網(wǎng)絡結構上減少了卷積層層數(shù),降低了網(wǎng)絡的參數(shù)量,使得網(wǎng)絡結構更加輕量化;然后利用黃石公共數(shù)據(jù)集對本文改進后的深度學習網(wǎng)絡進行驗證;最后,將本文網(wǎng)絡的語義分割結果與對比方法DGCNN網(wǎng)絡進行對比,并從總體精度和交并比(Intersection over Un... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

（a）強度值，（b）顏色，（c）類別標簽[49]

西安理工大學工程碩士專業(yè)學位論文12(a)(b)圖2-3(a)機載掃描設備，(b)機載掃描的點云數(shù)據(jù)[50]Fig.2-3(a)Airbornescanningequipment,(b)Pointclouddatascannedbyairborne[50]圖2-4VelodyneHDL32型三維激光采集車Fig.2-4VelodyneHDL323DlaseracquisitionvehicleParis-rue-Madame數(shù)據(jù)集[51]是法國國立巴黎高等礦業(yè)學校（MINESParisTech）在2014年公開的一個用于城市室外場景分割和分類的數(shù)據(jù)集。圖2-4為該數(shù)據(jù)集的VelodyneHDL32型采集車，采集了巴黎第六區(qū)rueMadame大街的三維數(shù)據(jù)。該數(shù)據(jù)集分為兩部分，每部分分別包含1000萬個三維點，每個三維點含有（x，y，z）坐標，反射率，標簽，類別屬性。語義類別包括：外墻，地面，汽車，摩托車，行人，交通標志等26種類別。圖2-5（a）為其中一組數(shù)據(jù)的標簽染色圖，2-5（b）為類別染色圖。

西安理工大學工程碩士專業(yè)學位論文12(a)(b)圖2-3(a)機載掃描設備，(b)機載掃描的點云數(shù)據(jù)[50]Fig.2-3(a)Airbornescanningequipment,(b)Pointclouddatascannedbyairborne[50]圖2-4VelodyneHDL32型三維激光采集車Fig.2-4VelodyneHDL323DlaseracquisitionvehicleParis-rue-Madame數(shù)據(jù)集[51]是法國國立巴黎高等礦業(yè)學校（MINESParisTech）在2014年公開的一個用于城市室外場景分割和分類的數(shù)據(jù)集。圖2-4為該數(shù)據(jù)集的VelodyneHDL32型采集車，采集了巴黎第六區(qū)rueMadame大街的三維數(shù)據(jù)。該數(shù)據(jù)集分為兩部分，每部分分別包含1000萬個三維點，每個三維點含有（x，y，z）坐標，反射率，標簽，類別屬性。語義類別包括：外墻，地面，汽車，摩托車，行人，交通標志等26種類別。圖2-5（a）為其中一組數(shù)據(jù)的標簽染色圖，2-5（b）為類別染色圖。

【參考文獻】：
期刊論文
[1]機載LiDAR點云濾波綜述[J]. 惠振陽,程朋根,官云蘭,聶運菊.  激光與光電子學進展. 2018(06)



本文編號：2913732