【摘 要】
：
三维点云在无人驾驶、高精度地图、测绘和增强现实等领域有广泛的应用，分类是三维点云处理基础的任务之一。本文基于深度学习方法，借鉴二维图像卷积的思想，设计了一种适合三维点云的卷积操作。我们点云卷积的作用域是局部球形邻域，输入为三维坐标和空间几何关系。通过点云卷积提取局部特征，其被证明对分类任务是有效的。我们使用最远点采样算法采集邻域中心点，根据半径构建球形局部邻域，使用多层感知器网络（multi-la
论文部分内容阅读
三维点云在无人驾驶、高精度地图、测绘和增强现实等领域有广泛的应用，分类是三维点云处理基础的任务之一。本文基于深度学习方法，借鉴二维图像卷积的思想，设计了一种适合三维点云的卷积操作。我们点云卷积的作用域是局部球形邻域，输入为三维坐标和空间几何关系。通过点云卷积提取局部特征，其被证明对分类任务是有效的。我们使用最远点采样算法采集邻域中心点，根据半径构建球形局部邻域，使用多层感知器网络（multi-layer perceptron，MLP）学习空间关系权重，将学习到的关系权重和输入特征相乘来实现卷积操作。
其他文献
针对地下电缆数据的特点以及当前面临的问题，本文研究了地下电缆以及通道数据整合与管理手段，构建了电缆线路走廊自动分段和多元非结构化数据统一管理方法，借助三维GIS的空间可视管理功能实现基于存量数据的三维渲染，在此基础上，开发地下电缆通道空间信息整合和管理平台，实现地下电缆数据的三维可视化管理与分析。
道路质量检测是智能交通系统的重要组成部分，而井盖异常下沉是影响道路质量的常见因素之一。智能手机配备了不同的传感器，在许多研究中被应用于道路检测。本文提出了一种基于智能手机的道路井盖检测与分类方法。使用智能手机可以收集道路井盖图像数据，并使用手机内置加速度计记录车辆轧过井盖时的加速度数据。对于井盖的图像检测，我们使用了ResNet深度学习网络来训练检测模型，检测精度最高可以达到80.79%。在车辆经
设计开发一种支持多种GPS定位方式的手持嵌入式一体化农田作业面积测量终端，并针对地块面积、地块形状及GPS定位方式三个农田面积测量精度的影响因素，进行了面积测量精度试验。结果表明：面积测量精度随地块面积增大而提高；不同形状的地块面积测量精度相比较，方形地块测量精度最高，不规则地块次之，条形地块最差；当被测地块面积在5000m~(2)以上时，任何GPS定位方式测量误差均小于3%，当被测地块在2500
本文提出一种适用多应用场景信息采集系统的设计方法，该方法通过建立采集信息需求与数据结构之间的映射关系，生成采集信息配置文件，以数据及需求为驱动，快速构建系统，并自动生成对应采集界面。研究成果成功应用于农业、建筑物、人口普查等信息采集的实际场景中，结果表明，基于本设计方法的信息采集系统可有效实现采集任务的内容个性化定制，满足多样化信息采集需求，可应用于多行业领域的地理信息采集。
针对目前视觉定位方法中使用人工特征的限制，提出了一种基于全卷积编解码网络的视觉定位方法。不同于以往的场景构建方式，该方法将场景点3D坐标映射到图像的BGR通道，建立了图像到场景的直接联系，并通过全卷积编解码网络学习图像与场景结构的关系。给出一张图像，网络可以预测其每个像素点对应的3D点在当前场景世界坐标系的坐标；然后结合RANSAC和PnP算法求解位姿并优化，得到最终的相对位姿。在7-Scenes
室内定位存在成本高、定位精度低等问题，本文提出了一种融合傅里叶变换和Kalman滤波的改进自适应陷波器定位算法(Notch-FFT-Kalman Filter)，该算法采用自适应陷波滤波器（Notch Filter）进行相位搜索，融合傅里叶变换(FFT)中心频率筛选的滤波算法对信号进行降噪，对定位解算结果进行Kalman滤波后处理校正，以降低噪声带来的误差。实验结果表明：改进的自适应陷波器算法在室
PM_(2.5)作为主要空气污染物之一，严重威胁居民健康，研究PM_(2.5)污染的时空分布特征有助于评价和改善城市人居环境。本文利用襄阳市国测站点数据分析PM_(2.5)污染总体水平，并利用襄阳市监测微站数据，采用空间插值方法分析冬季典型月份PM_(2.5)时空分布特征，最后结合气象数据分析襄阳市PM_(2.5)浓度变化与各类气象要素的关系。结果显示：1）襄阳市2015年至2018年PM_(2.
地面综合交通可达性是评价枢纽机场服务能力的重要指标。本研究基于WebGIS服务构建了针对枢纽机场综合交通可达性的评估模型，在公共交通和驾车出行两种模式下对北京“一市两场”地面交通空间可达性进行定量评估，并进一步结合城市人口空间分布分析北京市航空出行便利性。结果显示北京首都国际机场和大兴国际机场综合交通体系较为发达，可高效覆盖北京城市核心区域，尤其在大兴国际机场投用后，北京市航空出行便利性明显提升，
MEMS技术的快速发展及其在移动智能终端中的日益普及，促进了人们对移动智能终端高精度定位算法的研究，尤其是利用智能手机进行无缝定位。然而目前，多数行人导航系统都以单一姿态为前提进行定位推算，并未考虑行人在使用手机过程中的多模态问题。因此，本文主要研究利用手机内置MEMS传感器的原始数据，基于决策树模型对行人运动模态进行了识别，判别模态包括对绝对静止、通话步行、摆臂步行以及裤兜步行四种。首先，采用巴
针对传统 GM(1，1) 模型易受外界环境干扰，易使原始序列发生突变，导致模型精度低、残差大的问题，提出运用相对误差与时间距离相结合对原始数据加权的方法，建立加权GM(1，1) 模型；引入新陈代谢思想，建立加权动态GM(1，1) 模型。结合某高层建筑沉降监测数据，采用传统模型、加权模型和加权动态模型进行对比分析，并利用Matlab实现程序化建模。研究结果表明：加权动态模型能更好地拟合高层建筑沉降监