|
| 內容簡介： |
|
随着三维激光扫描传感设备硬件的快速发展，可保留三维空间中原始语义信息（几何信息、颜色、反射强度等）的点云已成为代表性的新型数据源之一。语义分割作为三维场景语义分析与解译的重要前提，在无人驾驶、高精地图、智慧城市等国家重大需求的推动下，已成为测绘遥感、计算机视觉等领域的重大研究课题。《点云数据语义分割的理论与方法》以语义分割的理论与方法为研究内容，以点云为研究对象，从点云类型、深度学习基础知识、点云的组织与管理、融合点云与图像的语义分割以及直接基于点云的语义分割等方面进行介绍，是一部多学科交叉、融合的点云语义分割著作。
|
| 目錄：
|
|
目录《导航与时频技术丛书》序前言第1章绪论1参考文献3第2章点云类型及语义分割方法概述42.1引言42.2点云类型42.2.1激光点云42.2.2影像点云132.2.3RGB-D点云132.2.4结构光点云152.2.5其他类型点云152.3点云语义分割方法概述182.3.1统计分析法182.3.2投影图像法212.3.3其他传统语义分割方法222.3.4二维图像深度学习语义分割方法232.3.5三维点云深度学习语义分割方法28参考文献33第3章深度学习403.1引言403.2深度学习技术概述403.2.1人工智能、机器学习与深度学习413.2.2卷积运算423.2.3卷积神经网络工作原理433.2.4深度学习框架523.3深度学习在计算机视觉中的应用533.3.1图像分类533.3.2目标检测543.3.3语义分割543.3.4实例分割553.3.5其他应用553.4深度学习与三维激光点云的结合563.4.1三维激光点云数据的表示形式573.4.2三维激光点云数据集的语义标注方法573.4.3三维激光点云语义分割存在的挑战58参考文献58第4章LiDAR点云的组织与管理614.1引言614.2两级混合索引结构的确定624.2.1全局KD树索引624.2.2局部八叉树索引644.3Kd-OcTree混合索引的构建654.3.1Kd-OcTree混合索引的逻辑结构664.3.2Kd-OcTree混合索引的数据结构664.3.3Kd-OcTree混合索引的构造算法704.4实验结果与分析724.4.1测试数据724.4.2构造索引速度测试734.4.3邻域搜索速度测试744.4.4索引结构对地面点感知效果的影响754.4.5阈值敏感度测试774.4.6不同索引结构CPU、内存消耗对比分析79参考文献80第5章基于深度学习和二维图像的多目标语义分割825.1引言825.2基于二维图像的语义分割835.2.1点云描述子835.2.2深度卷积神经网络855.2.3二维图像与三维点云之间的映射关系855.2.4精细特征提取方法865.3研究方法875.3.1DVLSHR模型构建875.3.2二维图像到三维点云的映射905.3.3三维建筑点云的精细分割915.4实验结果与分析1035.4.1数据集1035.4.2评价标准1045.4.3DVLSHR模型训练1055.4.4初步分割结果1125.4.5映射结果可视化1125.4.6基于三维点云的建筑物精细特征分割1145.4.7结果分析115参考文献116第6章三维点云语义分割1206.1引言1206.2研究现状1216.2.1三维数据集1216.2.2基于点云的三维卷积神经网络1226.3研究方法1236.3.1点云表示形式1236.3.2三维深度网络结构1246.3.3输入点集的顺序对网络性能的影响1296.4实验结果与分析1306.4.1实验平台1316.4.2评价指标1316.4.3网络体系结构验证1326.4.4分割效果1366.4.5结果分析137参考文献138第7章总结与展望140
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
