近年來,無人駕駛系統(tǒng)作為人工智能的重要應(yīng)用領(lǐng)域進入實用化階段。無人駕駛系統(tǒng)通過車載的傳感器對周邊的環(huán)境和自身的各種狀態(tài)進行探測感知,再通過相關(guān)算法對周邊環(huán)境進行識別,并賦予分類信息,供系統(tǒng)進行分析決策。其中,激光雷達是一種在該領(lǐng)域具有應(yīng)用前景的傳感器,所以研究其點云處理方法非常重要�；趯θS點云的語義分割,本文主要分為以下兩個方面的內(nèi)容:（1）采用傳統(tǒng)點云分割方法:先進行地面濾波,然后對剩下的點云采用kmeans和譜聚類等多種聚類算法進行聚類處理,得到分割結(jié)果。其中kmeans聚類會依賴于分類類別數(shù)的選取和初始化的中心點的選取,并且對噪聲點敏感;meanshift聚類算法聚類結(jié)果取決于帶寬的設(shè)置,帶寬設(shè)置的太小,收斂太慢,簇類個數(shù)過多,帶寬設(shè)置的太大,一些簇類可能會丟失;譜聚類算法對相關(guān)參數(shù)選取直接影響了鄰接矩陣的生成和聚類數(shù)目的多少,但是譜聚類有可以在任意形狀的數(shù)據(jù)集上得到收斂于全局的聚類結(jié)果的優(yōu)勢;DBSCAN密度聚類效果則對選取鄰域的半徑和鄰域內(nèi)點云數(shù)目敏感,但是對數(shù)據(jù)集空間的形狀不敏感。通過對各個方法的聚類過程和結(jié)果進行分析,發(fā)現(xiàn)傳統(tǒng)方法的效果會依賴于手動設(shè)置的相關(guān)參數(shù),這對... 

【文章來源】： 何漢 電子科技大學(xué)

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

KdTree結(jié)構(gòu)

電子科技大學(xué)碩士學(xué)位論文8圖2-1KdTree結(jié)構(gòu)2.2.2OcTree在1978年，Hunter博士研究出了一種OcTree（八叉樹結(jié)構(gòu)）[28]，這是一種數(shù)據(jù)模型。八叉樹結(jié)構(gòu)能夠?qū)τ谌S結(jié)構(gòu)進行解析研究幾何實體，由于每一個維度實體都會具有一致的時間、空間復(fù)雜性，基于此能夠形成一個方位圖，且含有根節(jié)點。如果幾何實體為同屬性，那么該體元就會形成葉節(jié)點。如果不能形成同屬性葉節(jié)點，那么就將體元剖析成8個子立方體，具體如圖2-2所示。圖2-2八叉樹結(jié)構(gòu)圖八叉樹結(jié)構(gòu)的原理：（1）設(shè)置最大遞歸深度；（2）找出場景的最大值并用該值構(gòu)建第一個立方體；（3）將沒有節(jié)點的按照順序放入單位元素；（4）如果未達到最大遞歸深度，則細分八個相等的部分，然后將多維數(shù)據(jù)集的所有單元元素共享給八個子多維數(shù)據(jù)集；（5）如果發(fā)現(xiàn)分配給子多維數(shù)據(jù)集的單元元素數(shù)不為零，且子多維數(shù)據(jù)集與父多維數(shù)據(jù)集相同，則子多維數(shù)據(jù)集停止細分，這是因為空間分割理論

第二章語義分割基本原理和數(shù)據(jù)集介紹9指出，細分的空間分配不能太多，必須更少，如果切割的數(shù)字相同，那么無論如何切割，數(shù)字都是一樣的，這會造成無限切割的現(xiàn)象產(chǎn)生；（6）重復(fù)（3）直至最大遞歸深度。八叉樹的邏輯結(jié)構(gòu)如圖2-3所示，假設(shè)要表示的形狀可以放在一個足夠大的立方體中，其八叉樹可以通過以下遞歸方法定義：八叉樹的每個節(jié)點對應(yīng)于一個子立方體，樹根對應(yīng)于長方體本身。如果樹根等于該長方體，則八叉樹只有樹根；反之，則該長方體等分為八個子立方體，每個子立方體對應(yīng)于樹根的一個子節(jié)點。只要一個子立方體不是完全空的或者被樹根占據(jù)，它就會被分成八個相等的部分，所以相應(yīng)的節(jié)點也會有八個子節(jié)點。這種遞歸判斷和分割應(yīng)該一直進行到與節(jié)點相對應(yīng)的立方體要么完全為空，要么完全被樹根占據(jù)，或者其大小是預(yù)先定義的體素大小，并且在它和樹根之間進行某種舍入，這樣體素要么被視為空，要么被樹根占據(jù)。圖2-3八叉樹邏輯結(jié)構(gòu)點云是海量的數(shù)據(jù)形成的，這些組成數(shù)據(jù)可以通過自身的顏色、距離、法線等信息描述空間的任意三維點。除此之外，點云的創(chuàng)建是十分高效的，它可以依據(jù)很快的速率建出，所以儲存點云占用的資源相當巨大。當點云需要通過低速率通信通道進行傳輸或者對點云進行存儲時，壓縮這種大數(shù)據(jù)的方法就變得相當有用。2.3多層感知器原理介紹1.多層感知器介紹神經(jīng)網(wǎng)絡(luò)是當前機器學(xué)習領(lǐng)域普遍所應(yīng)用的，例如現(xiàn)在很普遍的方向是神經(jīng)網(wǎng)絡(luò)可以進行圖像識別、語音識別等，從而將其拓展應(yīng)用于自動駕駛汽車。多層感知器這類網(wǎng)絡(luò)屬于一種充分并行化的數(shù)據(jù)處理系統(tǒng)，在使用的過程中體現(xiàn)出不錯的自學(xué)習性能。在一些數(shù)學(xué)模型依賴度孝目標參數(shù)較為多變、外部存在多樣性的

【參考文獻】：
期刊論文
[1]基于點云數(shù)據(jù)的分割方法綜述[J]. 顧軍華,李煒,董永峰.  燕山大學(xué)學(xué)報. 2020(02)
[2]監(jiān)督學(xué)習中的損失函數(shù)及應(yīng)用研究[J]. 鄧建國,張素蘭,張繼福,荀亞玲,劉愛琴.  大數(shù)據(jù). 2020(01)
[3]DBSCAN聚類和改進的雙邊濾波算法在點云去噪中的應(yīng)用[J]. 曲金博,王巖,趙琪.  測繪通報. 2019(11)
[4]基于目標形態(tài)特征的工件自動分割方法[J]. 逄增治,史建杰,尹建芹,朱利民,李金屏.  北京郵電大學(xué)學(xué)報. 2019(05)
[5]基于距離分辨的激光雷達技術(shù)研究進展[J]. 陳劍彪,孫華燕,趙融生,孔舒亞,趙延仲,單聰淼.  紅外與激光工程. 2019(08)
[6]智能感知技術(shù)推動汽車、機器視覺、邊緣人工智能的發(fā)展[J]. ON Semiconductor;.  傳感器世界. 2019(07)
[7]計算機通信技術(shù)與電子信息在人工智能領(lǐng)域的實踐應(yīng)用分析[J]. 崔天明.  電腦與電信. 2018(06)
[8]運用不同聚類算法對風電場功率預(yù)測研究[J]. 張彥恒,鄭玉玉.  南方農(nóng)機. 2018(09)
[9]ReLU激活函數(shù)優(yōu)化研究[J]. 蔣昂波,王維維.  傳感器與微系統(tǒng). 2018(02)
[10]基于改進激活函數(shù)的卷積神經(jīng)網(wǎng)絡(luò)研究[J]. 曲之琳,胡曉飛.  計算機技術(shù)與發(fā)展. 2017(12)

博士論文
[1]殘差聚類算法研究[D]. Milan Deepak Parmar.吉林大學(xué) 2019
[2]基于內(nèi)容的圖像檢索與圖像語義分析[D]. 齊亞莉.天津大學(xué) 2017
[3]基于聚類分析的圖像分割算法研究[D]. 許曉麗.哈爾濱工程大學(xué) 2012

碩士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的激光雷達點云語義分割算法研究[D]. 周天添.哈爾濱工業(yè)大學(xué) 2019



本文編號：3033689