基于Light-BotNet的激光點(diǎn)云分類(lèi)研究
所屬分類(lèi)：技術(shù)論文
上傳者：aetmagazine
文檔大小：735 K
標(biāo)簽： 點(diǎn)云特征圖像 BotNet Transform
所需積分：0分積分不夠怎么辦？
文檔介紹：三維點(diǎn)云在機(jī)器人與自動(dòng)駕駛中都有著普遍的應(yīng)用，深度學(xué)習(xí)在二維圖像上的研究成果顯著，但是如何利用深度學(xué)習(xí)識(shí)別不規(guī)則的三維點(diǎn)云，仍然是一個(gè)開(kāi)放性的問(wèn)題。目前大場(chǎng)景點(diǎn)云自身數(shù)據(jù)的復(fù)雜性，點(diǎn)云掃描距離的變化造成點(diǎn)的分布不均勻，噪聲和異常點(diǎn)引起的挑戰(zhàn)性依然存在。針對(duì)于現(xiàn)有的深度學(xué)習(xí)網(wǎng)絡(luò)框架對(duì)于激光點(diǎn)云數(shù)據(jù)的分類(lèi)效率不高以及分類(lèi)精度低的問(wèn)題，提出一種基于激光點(diǎn)云特征圖像與Light-BotNet相結(jié)合的CNN-Transform框架。該框架在于通過(guò)對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行特征提取，以相鄰的特征點(diǎn)構(gòu)造點(diǎn)云特征圖像作為網(wǎng)絡(luò)框架的輸入，最后以Light-BotNet為網(wǎng)絡(luò)框架模型進(jìn)行點(diǎn)云分類(lèi)訓(xùn)練。實(shí)驗(yàn)結(jié)果表明，該方法與現(xiàn)有的多數(shù)點(diǎn)云分類(lèi)方法相比，能夠較好地提升激光點(diǎn)云的分類(lèi)效率以及分類(lèi)精度。
現(xiàn)在下載
VIP會(huì)員，AET專(zhuān)家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。