| 基于Light-BotNet的激光點(diǎn)云分類研究 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>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)識別不規(guī)則的三維點(diǎn)云，仍然是一個開放性的問題。目前大場景點(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。針對于現(xiàn)有的深度學(xué)習(xí)網(wǎng)絡(luò)框架對于激光點(diǎn)云數(shù)據(jù)的分類效率不高以及分類精度低的問題，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。該框架在于通過對點(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)云分類方法相比，能夠較好地提升激光點(diǎn)云的分類效率以及分類精度。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
點(diǎn)云特征圖像 相關(guān)資源
Copyright ? 2005-2024 華北計算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2