【摘 要】
：
点云分类和分割是三维场景理解中的关键步骤。针对稀疏点云输入和遮挡不能有效识别点云的问题,提出一种改进型分类和分割网络Linked-DGCNN。在动态图卷积网络(DGCNN)的基础上增加EdgeConv卷积层数以提取深层次点云特征;去除DGCNN的转换网络以简化网络结构;引入深度残差网络的思想连接不同网络层的输出特征,形成点云特征,同时使网络训练更加稳定。基于ModelNet40和ShapeNet
【机 构】
：
长安大学信息工程学院,陕西西安710064
论文部分内容阅读
点云分类和分割是三维场景理解中的关键步骤。针对稀疏点云输入和遮挡不能有效识别点云的问题,提出一种改进型分类和分割网络Linked-DGCNN。在动态图卷积网络(DGCNN)的基础上增加EdgeConv卷积层数以提取深层次点云特征;去除DGCNN的转换网络以简化网络结构;引入深度残差网络的思想连接不同网络层的输出特征,形成点云特征,同时使网络训练更加稳定。基于ModelNet40和ShapeNet Parts数据集将该网络与其他点云网络进行对比实验,实验结果表明,该网络在稀疏点云输入和遮挡情况下,相比
其他文献
为了检测出规范化质量控制下品质异常的平整表面,提出一种关于平整表面反射率异常的单像素检测理论,该方法使用单像素探测器并且只需投影单幅结构光图像。推导关于平整表面反射率异常的单像素检测的辐射通量分布,结果分析表明:在均匀照度条件下,面对探测器的辐射通量空间分布呈现不均匀性,因此采用特别的照度设计可以实现辐射通量分布的均匀化,并将平整表面反射率的异常分布转化为反射率累积异常(或者总辐射通量异常)。实验
针对浮选加药状态在线检测困难、识别效率低和主观性强等问题,提出了一种基于多尺度卷积神经网络(CNN)特征及行列自编码核极限学习机(RAE-KELM)的浮选加药状态识别方法。首先,对浮选泡沫图像进行非下采样Shearlet多尺度分解,用CNN提取每个尺度图像的深度特征并进行多尺度特征融合;然后,构建RAEKELM,将用量子计算改进的细菌觅食算法用于RAE-KELM的参数优化;最后,通过自建数据集训练
波前探测是辅助望远镜装调的主要技术手段,针对大口径光学系统内部空间受限的问题,提出一种基于本征模式系数求解失调量的计算机辅助装调方法.相比传统的灵敏度矩阵法,本文方法计算量小,不需要对探测器进行分区处理,简化了波前重构矩阵的构造.通过分析本征模式系数与次镜失调量的关系,建立两者之间的灵敏度矩阵模型,对1 m 口径同轴三反望远镜进行装调仿真,在次镜偏心为±0.3 mm、倾斜为±0.2°的失调范围内,两步迭代实现了像差校正,得到的中心视场波前像差均方根值(RMS)均小于A/14.该研究对未来大口径光学系统的装
高光谱图像具有非线性的特点,且光谱间具有较强的相关性,利用线性的方法对高光谱数据进行维数变换容易损失一些信息。将核函数引入到最小噪声分离变换(MNF)中,提出了核最小噪声分离变换(KMNF),通过非线性映射将数据映射到高维特征空间,并在高维空间进行最小噪声分离成分的提取。利用高光谱图像较强的谱间相关性和空间邻域相关性,利用前后两个波段和空间邻域加权进行多元线性回归处理,对高光谱数据进行较准确的噪声
针对传统Census变换的立体匹配算法在弱纹理区域匹配精度低,易受到噪声点的影响,以及提高Census算法的实时性,提出一种改进的Census变换和自适应窗口的立体匹配算法。在代价计算阶段,首先根据区域纹理的强弱来自适应匹配窗口大小,采用三种状态信息进行Census变换计算初始代价,提高单像素的匹配精度和降低消耗时间。然后在代价聚合阶段,采用时间复杂度较低的引导滤波解决单像素匹配代价鉴别性低所带来
针对图像风格迁移时出现前后景边界模糊造成风格化图像主要目标模糊的问题,提出了目标边缘清晰化的图像风格迁移算法。通过将用于提取内容图像轮廓的深度抠图神经网络与风格迁移网络合并,形成透明遮罩约束风格迁移过程,凸显风格化图像中主要目标的轮廓;通过对迁移网络中最大池化层进行替换,保留图像的背景信息,细化风格化图像的整体结构;通过替换迁移网络中较大卷积核,减少网络模型参数,减少风格迁移计算量;通过对常规卷积
动脉粥样硬化与各类心血管疾病密切相关,动脉粥样硬化会直接导致动脉血管壁变硬,产生一系列血管生理功能异常,诱发各类心血管疾病.检测动脉粥样硬化特征在心血管医学方面具有十分重要的意义.为了检验光声平台检测活体组织动脉粥样硬化的能力以及探索光声频谱分析在外周血管检测中的应用前景,本课题组开展了仿真和在体动物实验.采用K-wave仿真从理论上证明了光声频谱分析的可行性.本课题组建立了高脂饲料喂养的动脉粥样硬化小鼠模型,搭建了一套光声检测系统,收集了相应的信号数据进行光声频谱分析.动脉粥样硬化模型小鼠和正常小鼠光声
针对目标遮挡、形变、旋转、光照变化及背景干扰等复杂场景下的目标跟踪问题,基于核相关滤波跟踪算法和统计颜色特征的跟踪算法,提出了一种复杂场景下的高置信度更新策略互补跟踪算法。首先,利用高斯拉普拉斯算子和局部二值模式增强目标边缘信息和纹理特征;然后,引入可调高斯窗口函数和基于关键点的尺度估计模型优化算法;最后,利用响应峰值与跟踪框的交并率设计了一种高置信度更新策略,以自适应更新模板。实验结果表明,在O
建筑物是一种极其重要的人工地物目标,通过提取建筑物可为城市规划、人口估算和景观分析等提供技术支撑。面向对象分类方法作为目前提取地物的有效手段之一,已广泛应用在建筑物信息的提取中。面向对象的形态学建筑物指数法具有较好的实用性,但提取稀疏建筑物的效果仍有待提高。为了解决这一问题,将中值绝对偏差应用于面向对象的建筑物提取,分别对建筑物密集和稀疏两种情况进行分析,采用查准率、查全率和F1分数等指标对提取结
相机间位姿关系是影响图像式无砟轨道路基沉降测量精度的主要因素。监测站中相机必需指向各自的监测靶面,因此相机间常存在无公共视场的情况。根据机器视觉中手眼标定问题与相机间位姿标定的等价性,提出了一种基于特征点的相机间位姿标定方法。通过在监测靶面上设置4个呈方形分布的特征点,使相机组执行2次运动,并在3个不同的位置拍摄靶面图像,通过P4P(perspective-four-point)算法求解相机与靶标