大范围室外场景三维点云语义分割

发布时间：2023-10-29 17:22

　　在计算机视觉研究领域中,对三维场景进行有效的理解是诸多应用的前提条件,本文主要讨论了针对大范围室外场景的三维点云语义分割问题,并采用两种算法对场景实现了有效的语义分割。为了克服大范围场景数据量大、表述难的挑战,本文首先提出了一种点云图像化表述的生成方法,该方法在场景视点设置一个圆柱模型,将整幅三维场景投影到圆柱侧面上,接着展开圆柱侧面并进行像素栅格划分,最后计算像素值生成一幅灰度图像。该点云图模型能够将杂乱无序的三维点云数据转换为有序的二维图像,为后续利用图像领域里的成熟的特征提取方法创造了条件。在传统的基于手工特征的点云语义分割算法中,提取多个尺度的邻域几何特征是较为有效的方法,但是该方法依赖于人为经验的介入,且耗时量巨大。本文在这里首先借用点云图模型,能够快速的提取多个尺度的图像纹理特征。然后为了增强特征集合的区分能力,我们又提取了三维点在单一最优邻域尺寸下的几何特征,以求达到特征表述能力和计算耗时之间的平衡。最后采用随机森林分类器对上述特征的两种组合方式进行监督分类,实现了对三维点云场景的语义分割任务。将深度学习领域中的卷积神经网络应用于三维结构数据时,如何设计规整高效的输入端表...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 研究现状与发展趋势
        1.2.1 基于手工特征提取的点云语义分割
        1.2.2 基于自动特征提取的点云语义分割
    1.3 本文主要工作
2 三维点云数据的获取及图像化表述
    2.1 三维点云数据的获取
        2.1.1 TLS扫描方式
        2.1.2 MLS扫描方式
        2.1.3 ALS扫描方式
    2.2 三维点云数据的图像化表述
        2.2.1 三维点云到成像平面的投影变换
        2.2.2 图像灰度值的计算方法
3 基于手工特征和随机森林的点云语义分割
    3.1 随机森林分类器
    3.2 基于点云图模型的特征提取
        3.2.1 点云图模型选择
        3.2.2 多尺度特征提取
    3.3 点云数据的几何特征提取
        3.3.1 最优邻域尺寸选择
        3.3.2 点云几何特征提取
    3.4 实验结果及分析
        3.4.1 实验参数配置
        3.4.2 基于图模型特征的语义分割结果
        3.4.3 基于组合特征的语义分割结果
        3.4.4 算法耗时分析
4 对基于超点图的点云语义分割算法的改进
    4.1 基于超点图的点云语义分割
        4.1.1 点云数据的超点图构建
        4.1.2 图卷积网络模型的组成
    4.2 对超点图构建部分的改进
    4.3 实验结果及分析
        4.3.1 改进前后语义分割结果对比
        4.3.2 改进前后算法耗时对比
    4.4 两种语义分割算法对比及分析
5 总结与展望
    5.1 本文总结
    5.2 本文展望
参考文献
攻读硕士学位期间发表学术论文情况
课题资助情况
致谢



本文编号：3858521