基于激光雷達點云圖像的目標識別方法研究

基于激光雷達點云圖像的目標識別方法研究

ID:20763897

大?。?.31 MB

頁數(shù):71頁

時間:2018-10-15

基于激光雷達點云圖像的目標識別方法研究_第1頁
基于激光雷達點云圖像的目標識別方法研究_第2頁
基于激光雷達點云圖像的目標識別方法研究_第3頁
基于激光雷達點云圖像的目標識別方法研究_第4頁
基于激光雷達點云圖像的目標識別方法研究_第5頁
資源描述:

《基于激光雷達點云圖像的目標識別方法研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫

1、?,4*密級公開分類號TP399'';#XIANTECHNOLOGICALUNIVERSITY碩士學位論文題目:基于激光雷達點云圖像的目標識別方法研究'作者:楊文輝指導教師:于帆教授m'申請學位學科孟計算機軟件與理論2018年5月4日密級公開公開分類號TP399XI’ANTECHNOLOGICALUNIVERSITY碩士學位論文題目:基于激光雷達點云圖像的目標識別方法研究作者:楊文輝指導教師:于帆教授計算機軟件與理論申請學位學科:2018年5月4日基于激光雷達點云圖像的目標識別方法研究學科:計算機軟

2、件理論研究生簽字:指導教師簽字:摘要激光雷達可以在夜間,霧天等一些惡劣條件下得到點云圖像。這些數(shù)據(jù)稀疏、不完整,通過人工提取特征需要依靠非常專業(yè)的知識和個人的經(jīng)驗。而卷積神經(jīng)網(wǎng)絡可以自動提取特征并分類,對位移、縮放及其它形式的剛體變化具有不變性。已有一些專家學者利用卷積神經(jīng)網(wǎng)絡來對點云圖像進行分類識別,其中識別率最高的VoxNet網(wǎng)絡由于網(wǎng)格的劃分數(shù)量有限,會使一部分數(shù)據(jù)丟失。正是在這樣的背景下,本文對基于卷積神經(jīng)網(wǎng)絡的點云識別方法進行了研究。本文首先介紹了卷積神經(jīng)網(wǎng)絡的發(fā)展情況,分析了目前基于卷積神經(jīng)網(wǎng)絡的VoxNet網(wǎng)絡存在的不足。之后將三維CAD模型ModeNet做為待識別的

3、物體模型,通過程序仿真激光雷達的掃描過程生成三維的點云數(shù)據(jù),對數(shù)據(jù)進行預處理得到實驗所需數(shù)據(jù)。然后改進了基于卷積神經(jīng)網(wǎng)絡的點云識別方法,搭建了神經(jīng)網(wǎng)絡,進行了架構(gòu)設計分析實驗得到了合適的網(wǎng)絡超參數(shù)。最后將訓練好的網(wǎng)絡應用于點云分類識別中,并將實驗結(jié)果與VoxNet網(wǎng)絡進行了比較。實驗結(jié)果表明在使用相同的數(shù)據(jù)集進行分類識別時,本文的方法比VoxNet方法在識別準確率上有一定程度的提高。關(guān)鍵詞:點云;卷積神經(jīng)網(wǎng)絡;灰度圖像;激光雷達StudyonObjectRecognitionMethodBasedonLiDARPointCloudImageDiscipline:ComputerSo

4、ftwareAndTheoryStudentSignature:SupervisorSignature:AbstractLidarcangetsomepointcloudimagesundersomeharshconditionssuchasnightandfog.Thesedataaresparseandincomplete.Itisnecessarytorelyonveryspecializedknowledgeandpersonalexperiencetoextractfeaturesmanually.Convolutionneuralnetworkscanautomatic

5、allyextractfeaturesandclassifythemandtheyareinvarianttodisplacement,scalingandotherformsofrigidbodychanges.Someexpertsandscholarshaveusedtheconvolutionneuralnetworktoclassifythepointcloudimages.Amongthem,theVoxNetnetworkwiththehighestrecognitionratelosesapartofthedatabecauseofthelimitednumbero

6、fgrids.Itisagainstthisbackgroundthatthemethodofpointcloudrecognitionbasedonconvolutionneuralnetworkisstudiedinthisthesis.Inthisthesis,wefirstintroducethedevelopmentofconvolutionneuralnetworkandanalyzetheshortcomingsofVoxNetnetworkbasedonconvolutionneuralnetwork.Afterthat,thethree-dimensionalCA

7、DmodelModeNetisusedastheobjectmodeltobeidentified.Three-dimensionalpointclouddataisgeneratedbytheprogramsimulationofthelaserradarscanningprocess,andthedataispreprocessedtoobtainthedatarequiredfortheexperiment.Thenthepointcloudrecognitio

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。