基于激光点云全局特征匹配处理的目标跟踪算法 被引量：17

1

作者 钱其姝 胡以华 +2 位作者 赵楠翔 李敏乐 邵福才 《激光与光电子学进展》 CSCD 北大核心 2020年第6期149-156,共8页

实际场景中各物体的尺寸差异导致激光三维数据中各物体对应的三维积分区域(SVR)存在差异。在初始帧中,借助于SVR筛选与全局特征匹配完成目标识别,实现对待跟踪目标的自动选取,并且比较四种全局特征描述子的识别能力及运行速度。得到初... 实际场景中各物体的尺寸差异导致激光三维数据中各物体对应的三维积分区域(SVR)存在差异。在初始帧中,借助于SVR筛选与全局特征匹配完成目标识别,实现对待跟踪目标的自动选取,并且比较四种全局特征描述子的识别能力及运行速度。得到初始帧中的目标位置后,提出了利用全局特征匹配在后续帧中实施目标跟踪的方法。实验结果表明,SVR筛选有利于提高识别跟踪的准确率及算法整体运行速度。 展开更多

关键词 图像处理 目标跟踪 激光点云 目标识别 三维全局特征 激光雷达

原文传递

基于点云数据的三维目标识别和模型分割方法 被引量：17

2

作者 牛辰庚 刘玉杰 +1 位作者 李宗民 李华 《图学学报》 CSCD 北大核心 2019年第2期274-281,共8页

三维模型的深度特征表示是三维目标识别和三维模型语义分割的关键和前提,在机器人、自动驾驶、虚拟现实、遥感测绘等领域有着广泛的应用前景。然而传统的卷积神经网络需要以规则化的数据作为输入,对于点云数据需要转换为视图或体素网格... 三维模型的深度特征表示是三维目标识别和三维模型语义分割的关键和前提,在机器人、自动驾驶、虚拟现实、遥感测绘等领域有着广泛的应用前景。然而传统的卷积神经网络需要以规则化的数据作为输入,对于点云数据需要转换为视图或体素网格来处理,过程复杂且损失了三维模型的几何结构信息。借助已有的可以直接处理点云数据的深度网络,针对产生的特征缺少局部拓扑信息问题进行改进,提出一种利用双对称函数和空间转换网络获得更鲁棒、鉴别力更强的特征。实验表明,通过端到端的方式很好地解决缺少局部信息问题,在三维目标识别、三维场景语义分割任务上取得了更好的实验效果,并且相比于PointNet++在相同精度的情况下训练时间减少了20%。 展开更多

关键词 点云 深度学习 原始数据 三维目标识别 三维模型分割

下载PDF 职称材料

多特征融合的三维模型识别与分割 被引量：11

3

作者 党吉圣 杨军 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2020年第4期149-157,共9页

针对现有的基于深度学习的三维模型识别与分割方法忽略了三维模型高级全局单点特征和低级局部几何特征之间的关系而导致识别效果不佳的问题,提出了一种多特征融合的三维模型识别与分割方法。首先,通过加深卷积核的宽度和网络的深度构建... 针对现有的基于深度学习的三维模型识别与分割方法忽略了三维模型高级全局单点特征和低级局部几何特征之间的关系而导致识别效果不佳的问题,提出了一种多特征融合的三维模型识别与分割方法。首先,通过加深卷积核的宽度和网络的深度构建全局单点网络以提取具有高级语义识别能力的全局单点特征;其次,通过构建注意力融合层学习全局单点特征和局部几何特征的隐含关系来充分挖掘更能表征模型类别的细粒度几何特征;最后,将全局单点特征和细粒度几何特征进一步融合,达到优势互补、增强特征丰富性的目的。分别在三维模型识别数据集ModelNet40、ModelNet10和分割数据集ShapeNet Parts、S3DIS、vKITTI上进行了实验验证,并与当前主流识别算法进行了对比,表明该算法不仅有更高的识别和分割准确率,而且具有更强的鲁棒性。 展开更多

关键词 三维点云 目标识别 语义分割 注意力融合 深度学习 卷积神经网络

下载PDF 职称材料

结合全局与局部信息的点云目标识别模型库构建 被引量：6

4

作者 文威威 文贡坚 +1 位作者 回丙伟 陈鼎新 《中国图象图形学报》 CSCD 北大核心 2019年第2期248-257,共10页

目的点云目标识别流程分为离线与在线阶段。离线阶段基于待识别目标的CAD模型构建一个模型库,在线基于近邻查找完成识别。本文针对离线阶段,提出一种新的模型库构建方法。方法首先将CAD模型置于一个二十面体中心,使用多个虚拟相机获取CA... 目的点云目标识别流程分为离线与在线阶段。离线阶段基于待识别目标的CAD模型构建一个模型库,在线基于近邻查找完成识别。本文针对离线阶段,提出一种新的模型库构建方法。方法首先将CAD模型置于一个二十面体中心,使用多个虚拟相机获取CAD模型在不同视角下的点云;然后将每个不同视角下的点云进行主成分分析并基于主成分分析的结果从多个选定的方向将点云切分为多个子部分,这些子部分包含点云的全局及局部信息;接着对每个子部分使用聚类算法获取其最大聚类,去除离群点;最后结合多种方式删减一些冗余聚类,减小模型库规模。结果在多个公开数据集上使用多种点云描述子进行对比实验,识别结果表明,相对于传统的模型库构建方法,基于本文方法进行识别正确率更高,在某些点云描述子上的识别正确率提升达到10%以上。结论通过将CAD模型在不同视角下点云的全局与局部信息都加入模型库中,本文提出的模型库构建方法可有效提高点云目标识别正确率,改善了场景目标发生遮挡时,近邻查找识别精度不高的问题。 展开更多

关键词 点云目标识别 离线阶段 模型库构建 点云特征提取 全局与局部

原文传递

基于三维激光点云的复杂道路场景杆状交通设施语义分类 被引量：5

5

作者 汤涌 项铮 蒋腾平 《热带地理》 CSCD 北大核心 2020年第5期893-902,共10页

文章提出一种完整的全自动化处理框架,基于三维激光点云数据对高速公路和城市道路场景的杆状目标进行了检测和分类,主要包括3个步骤:数据预处理、杆状目标检测和分类。其中,在数据预处理阶段,采用基于布料模拟滤波算法自动分离地面点和... 文章提出一种完整的全自动化处理框架,基于三维激光点云数据对高速公路和城市道路场景的杆状目标进行了检测和分类,主要包括3个步骤:数据预处理、杆状目标检测和分类。其中,在数据预处理阶段,采用基于布料模拟滤波算法自动分离地面点和非地面点,然后基于欧氏距离聚类方法对非地面点进行快速聚类,以及采用迭代图割算法进一步分割目标对象;在目标检测阶段,集成先验信息、形状信息和位置导向搭建滤波器,对杆状目标进行检测;在对象分类过程中基于多属性特征,利用随机森林分类器对目标的特征进行计算和分类。并使用3个道路场景数据集进行测试,结果显示,3个数据集的整体MCC系数为95.6%,分类准确率为96.1%。这说明文章所构建方法具有较高性能。另外,该方法还可以鲁棒地检测杆状目标的重叠区域,较为适应复杂程度不同的道路场景. 展开更多

关键词 点云处理 目标识别 语义分类 多层次特征 复杂道路场景 杆状交通设施

下载PDF 职称材料

一种适用于室内服务机器人的实时物体识别系统 被引量：5

6

作者 柯翔 陈小平 +2 位作者 靳国强 王锋 郭群 《计算机系统应用》 2013年第10期84-89,共6页

针对室内服务机器人在实际应用中的需求,提出一种结合三维点云分割和局部特征匹配的实时物体识别系统.该系统首先基于三维点云实现快速有效的物体检测,然后利用物体检测的结果定位物体在彩色图像中的区域,并采用基于SURF特征匹配的方法... 针对室内服务机器人在实际应用中的需求,提出一种结合三维点云分割和局部特征匹配的实时物体识别系统.该系统首先基于三维点云实现快速有效的物体检测,然后利用物体检测的结果定位物体在彩色图像中的区域,并采用基于SURF特征匹配的方法识别出物体的标识.实验结果表明,该系统可较好地满足室内服务机器人物体检测与识别的实时性和可靠性要求. 展开更多

关键词 室内服务机器人 三维点云分割 局部特征匹配 实时物体识别

下载PDF 职称材料

面向AR辅助维修的3D物体识别技术 被引量：4

7

作者 王维 张丹 +1 位作者 胡曾一震 左敦稳 《机械制造与自动化》 2020年第3期155-158,共4页

3D物体识别与位姿估计是AR辅助维修信息增强的基础,目前的3D物体识别技术在识别准确率、运行实时性和位姿估计准确度上仍然存在不足。以物体识别的实时性和位姿估计的准确性为要求,研究基于纹理点云的局部参考系估计技术和点云全局特征... 3D物体识别与位姿估计是AR辅助维修信息增强的基础,目前的3D物体识别技术在识别准确率、运行实时性和位姿估计准确度上仍然存在不足。以物体识别的实时性和位姿估计的准确性为要求,研究基于纹理点云的局部参考系估计技术和点云全局特征描述符生成与匹配技术,提出融合形状与纹理信息的全局正交对象描述符及其3D物体识别算法,基于蜗轮蜗杆减速器的拆装维修场景进行实例验证。验证结果表明,3D物体识别算法在AR辅助维修场景中具备实际可行性和真实有效性。 展开更多

关键词 AR辅助维修 局部参考系 点云描述符 3D物体识别 位姿估计

下载PDF 职称材料

一种基于注意力机制的三维点云物体识别方法 被引量：3

8

作者 钟诚 周浩杰 韦海亮 《计算机技术与发展》 2020年第4期41-45,共5页

三维点云数据通常具备无序排列的结构。在三维点云数据处理领域,深度学习模型通常会利用最大池化等对称操作来处理点云的排列不变性。最大池化方法一方面会破坏点云的信息结构,使得局部信息与全局信息难以交互。另一方面,最大池化方法... 三维点云数据通常具备无序排列的结构。在三维点云数据处理领域,深度学习模型通常会利用最大池化等对称操作来处理点云的排列不变性。最大池化方法一方面会破坏点云的信息结构,使得局部信息与全局信息难以交互。另一方面,最大池化方法对点云信息过度压缩,得到的特征对局部细节描述不足。针对上述问题,提出了AttentionPointNet的网络结构。该网络利用注意力机制,使每个点与点云其余部分进行特征交互,实现了局部与全局信息的综合。为降低最大池化造成的信息损失,提出了一种稀疏卷积方法来替代池化操作。这种方法利用大步长的稀疏卷积实现全局信息的提取。在ModelNet40数据集上,AttentionPointNet取得了87.2%的准确率。不使用池化层,完全采用卷积层实现的模型取得了86.2%的分类准确率。 展开更多

关键词 注意力机制 点云 物体识别 池化 稀疏卷积

下载PDF 职称材料

基于点云数据的杆状地物提取方法 被引量：1

9

作者 刘元元 《工程勘察》 2022年第4期62-66,共5页

道路两侧的路灯、交通标志杆和交通信号杆等杆状道路设施的位置与状态等信息是道路调查,以及城市部件管理中需要获取的重要数据。本文首先利用区域生长和渐进形态学滤波移除地面点,并对非地面点聚类;然后对聚类对象进行体素化网格采样,... 道路两侧的路灯、交通标志杆和交通信号杆等杆状道路设施的位置与状态等信息是道路调查,以及城市部件管理中需要获取的重要数据。本文首先利用区域生长和渐进形态学滤波移除地面点,并对非地面点聚类;然后对聚类对象进行体素化网格采样,并提取采样点的快速点特征直方图,使用费舍尔编码对快速点特征直方图进行编码得到费舍尔向量;结合费舍尔向量以及地物的几何和辐射等全局特征,采用支持向量机(SVM)分类器进行训练和分类,实现杆状道路设施的识别和分类。实验结果表明,本文方法对路灯、交通标志杆和摄像头杆的提取准确率分别为89.3%、66.7%和100%,漏分率分别为10.7%、33.3%和0%,错分率分别为13.5%、4.8%和6.3%。 展开更多

关键词 车载激光点云 目标识别 杆状道路设施 费舍尔编码 分类

下载PDF 职称材料

空间点云物体理解与识别的研究进展

10

作者 宁小娟 王映辉 郝雯 《西安理工大学学报》 CAS 北大核心 2014年第2期145-156,共12页

空间物体的理解与识别是计算机视觉与计算机图形领域的重要研究课题,广泛应用于机器人感知导航、人身安全和环境监控等方面。以点云为物体的数据表示形式,依据空间物体的形状复杂度不同,从简单场景(单目标物体)、复杂场景(多目标场景)... 空间物体的理解与识别是计算机视觉与计算机图形领域的重要研究课题,广泛应用于机器人感知导航、人身安全和环境监控等方面。以点云为物体的数据表示形式,依据空间物体的形状复杂度不同,从简单场景(单目标物体)、复杂场景(多目标场景)两个方面来重点探讨,以分割、理解及识别为主线分别针对空间点云物体的理解与识别的研究现状和进展进行了归纳和总结,并通过分类讨论和剖析现有方法的优缺点,指出空间物体理解与识别方面所遇到的姿态、拓扑关联及语义等关键性问题,并提出相应的解决思路和下一步的研究重点。 展开更多

关键词 点云数据 空间物体 物体理解 物体识别

下载PDF 职称材料

一种基于3D点云认可的工业自动化模型分析方法

11

作者 郝瑞卿 《自动化与仪器仪表》 2016年第7期83-84,共2页

在工业自动化领域,点云技术是被广泛应用的关键技术之一,其中3D建模对于点云技术来说又是十分重要但耗时的过程。之前的研究中主要从几何角度出发来制作相应模型结构(街道结构或者室内物体结构),但这种模式在工业界很少得到认可。本文... 在工业自动化领域,点云技术是被广泛应用的关键技术之一,其中3D建模对于点云技术来说又是十分重要但耗时的过程。之前的研究中主要从几何角度出发来制作相应模型结构(街道结构或者室内物体结构),但这种模式在工业界很少得到认可。本文提出了一种新的受认可的3D点云建模方法,将建模过程分为3个子过程研究:管道建模、飞机建模以及物体识别。然而在实际应用中,一个完整的3D模型的创建出出现了一些不可预见的问题,本方法增加了对每个子过程的分析。通过实验证明,该自动模型创建方法在复杂的工业场景中优于当前领先的商业建模软件,在模型质量方面可以媲美手工建模的结果。 展开更多

关键词 点云技术 3D建模 对象识别

原文传递

采用深度级联卷积神经网络的三维点云识别与分割 被引量：16

12

作者 杨军 党吉圣 《光学精密工程》 EI CAS CSCD 北大核心 2020年第5期1187-1199,共13页

三维目标识别和模型语义分割在自动驾驶、机器人导航、3D打印和智能交通等领域均有着广泛应用。针对PointNet++未能结合三维模型的上下文几何结构信息的问题,提出一种采用深度级联卷积神经网络的三维点云识别与分割方法。首先,通过构建... 三维目标识别和模型语义分割在自动驾驶、机器人导航、3D打印和智能交通等领域均有着广泛应用。针对PointNet++未能结合三维模型的上下文几何结构信息的问题,提出一种采用深度级联卷积神经网络的三维点云识别与分割方法。首先,通过构建深度动态图卷积神经网络捕捉点云的深层语义几何特征;其次,通过将深度动态图卷积神经网络作为深度级联卷积神经网络的子网络递归地应用于输入点集的嵌套分区,以充分挖掘三维模型的深层细粒度几何特征;最后,针对点集特征学习中的点云采样不均匀问题,构建一种密度自适应层,利用循环神经网络编码每个采样点的多尺度邻域特征以捕捉上下文细粒度几何特征。实验结果表明,本算法在三维目标识别数据集ModelNet40和MoelNet10上的识别准确率分别为91.9%和94.3%,在语义分割数据集ShapeNet Part,S3DIS和vKITTI上的平均交并比分别为85.6%,58.3%和38.6%。该算法能够提高三维点云目标识别和模型语义分割的准确率,且具有较高的鲁棒性。 展开更多

关键词 三维点云 目标识别 语义分割 卷积神经网络 循环神经网络

下载PDF 职称材料