發(fā)布時(shí)間：2023-03-24 22:09

　　利用三維激光掃描儀能夠獲取三維點(diǎn)云數(shù)據(jù),點(diǎn)云數(shù)據(jù)具有高密度、高精度等特點(diǎn),因此,在對(duì)復(fù)雜真實(shí)的三維場(chǎng)景進(jìn)行目標(biāo)檢測(cè)時(shí),包含豐富屬性信息的三維點(diǎn)云是當(dāng)前三維目標(biāo)檢測(cè)的重要數(shù)據(jù)基礎(chǔ)。目前計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一是目標(biāo)檢測(cè)任務(wù),主要分為兩個(gè)任務(wù):在輸入數(shù)據(jù)中框出目標(biāo)物體的邊界框,同時(shí)判斷邊界框中的物體的所屬類別。二維目標(biāo)檢測(cè)技術(shù)已經(jīng)在主流的公開(kāi)數(shù)據(jù)集上取得不俗的成績(jī),但在圖像上進(jìn)行的二維目標(biāo)檢測(cè)缺少空間信息,很難將其擴(kuò)展到三維的目標(biāo)檢測(cè),對(duì)于復(fù)雜場(chǎng)景和較小物體的魯棒性較差,無(wú)法滿足自動(dòng)駕駛等高層次檢測(cè)任務(wù)的需求,因此如何建立一個(gè)高效智能化且能夠直接利用三維點(diǎn)云數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè)的三維目標(biāo)檢測(cè)模型具有重要研究意義。本文利用端到端的Frustum-Pointnets點(diǎn)云深度學(xué)習(xí)模型實(shí)現(xiàn)三維目標(biāo)檢測(cè),并對(duì)模型進(jìn)行改進(jìn)和優(yōu)化,進(jìn)一步提高Frustum-Pointnets模型檢測(cè)的準(zhǔn)確率。本文的主要內(nèi)容包括:(1)對(duì)主流的目標(biāo)檢測(cè)算法的總結(jié)對(duì)比。傳統(tǒng)的目標(biāo)檢測(cè)算法非常依賴人工提取特征的精度,針對(duì)這個(gè)問(wèn)題,對(duì)目前利用深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)的目標(biāo)檢測(cè)算法進(jìn)行對(duì)比分析,根據(jù)輸入數(shù)據(jù)的不同可以分為:利用圖像的目標(biāo)...

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 基于二維圖像的目標(biāo)檢測(cè)
        1.2.2 基于原始點(diǎn)云的的目標(biāo)檢測(cè)
    1.3 研究方法及技術(shù)路線
第二章 相關(guān)理論基礎(chǔ)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 卷積層
        2.1.2 池化層
        2.1.3 全連接層
        2.1.4 分類器
    2.2 PointNet
    2.3 PointNet++
    2.4 本章小結(jié)
第三章 Frustum-Pointnets模型的構(gòu)建
    3.1 三維視錐提取
    3.2 三維實(shí)例分割
    3.3 三維檢測(cè)框回歸
    3.4 本章小結(jié)
第四章 改進(jìn)Frustum-Pointnets模型
    4.1 激活函數(shù)
        4.1.1 Sigmoid函數(shù)
        4.1.2 tanh函數(shù)
        4.1.3 ReLU函數(shù)
        4.1.4 現(xiàn)有激活函數(shù)的優(yōu)點(diǎn)和局限
            4.1.4.1 Sigmoid函數(shù)的不足
            4.1.4.2 ReLU函數(shù)的優(yōu)點(diǎn)和局限
        4.1.5 Swish函數(shù)
    4.2 參數(shù)初始化
    4.3 本章小結(jié)
第五章 三維目標(biāo)檢測(cè)實(shí)驗(yàn)與分析
    5.1 數(shù)據(jù)集
    5.2 目標(biāo)檢測(cè)評(píng)價(jià)指標(biāo)
    5.3 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置
        5.3.1 實(shí)驗(yàn)環(huán)境
        5.3.2 實(shí)驗(yàn)參數(shù)分析
    5.4 基于PointNet和基于PointNet++對(duì)比實(shí)驗(yàn)
    5.5 三維目標(biāo)檢測(cè)精度對(duì)比
    5.6 三維目標(biāo)檢測(cè)可視化
    5.7 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果



本文編號(hào)：3769942