【摘 要】
：
随着三维点云数据被应用到越来越多的领域,如何快速、准确地识别三维点云物体逐渐成为研究的重点之一,尤其是自动驾驶这种对物体识别的实时性有较高要求的领域。由于点云具有非结构化、分布不均匀等特点,传统的深度学习网络不易直接处理。而且,庞大的网络参数和复杂的网络结构也影响着深度学习网络的运行效率。宽度学习系统虽然克服了网络运行速度较慢的问题,但其在三维点云物体识别领域的研究较少,且宽度学习系统也无法直接处
论文部分内容阅读
随着三维点云数据被应用到越来越多的领域,如何快速、准确地识别三维点云物体逐渐成为研究的重点之一,尤其是自动驾驶这种对物体识别的实时性有较高要求的领域。由于点云具有非结构化、分布不均匀等特点,传统的深度学习网络不易直接处理。而且,庞大的网络参数和复杂的网络结构也影响着深度学习网络的运行效率。宽度学习系统虽然克服了网络运行速度较慢的问题,但其在三维点云物体识别领域的研究较少,且宽度学习系统也无法直接处理不规则的三维点云数据。本文提出了一种以深度学习网络为特征提取器,宽度学习网络为物体分类器,深度网络和宽度网络相结合的三维点云物体识别网络架构。本文的主要贡献如下:（1）提出了一种可快速完成三维点云物体识别的网络架构。网络以深度学习网络为特征提取器分别提取点云法向量特征和体素特征,将得到相对规则的点云特征输入宽度学习网络用于物体识别。解决了宽度学习网络无法直接处理点云数据的问题;（2）本文对物体识别准确率与宽度学习网络架构的关系进行了深入研究。本文分别分析了增加增强层节点,增加特征层所含窗口数以及增加特征层每个窗口内的节点数三种方法对识别准确率的影响。在此基础上,本文还结合宽度学习网络节点数变化与网络运行速度的关系,提出了一些改变宽度学习网络中节点数量的建议,为以后宽度学习网络的研究打下了一定基础。（3）本文所提出的三维点云物体识别网络对噪声具有一定鲁棒性。本文也通过实验证明了增加增强层节点,增加特征层所含窗口数以及增加特征层每个窗口内的节点数三种改变网络结构的方法对高斯噪声和白噪声的鲁棒性。给出了针对不同种类的噪声,应该如何更改网络结构以增强网络对噪声抗性的建议。
其他文献
随着大跨度、超高层建筑的发展,以及装配式建筑的兴起,越来越多的建筑采用钢结构形式。其中冷弯薄壁型钢因具有质量轻、截面型式多样及拼装便捷的优点,得到日益广泛的应用。而拼合截面冷弯薄壁型钢组合柱则是通过铆钉将C型钢和钢板拼合到一起并灌注混凝土,增强了组合柱的承载能力和稳定性。本文采用试验研究和理论分析相结合的方法,针对拼合截面冷弯薄壁型钢组合柱的力学性能进行研究,为该类构件在工程中的应用提供支撑。通过
近年来,网络化的状态估计因具有低成本、远距离传输、高可靠等特点被广泛应用于智慧交通、物联网等领域。目前,网络化的状态估计面临通信带宽有限、量测数据丢失和存在外部输入等问题。传感器能量有限、器件老化、网络拥塞等原因易引起数据传输过程中能耗高、量测数据丢失与不连续等问题,导致状态估计性能下降。现有网络化状态估计方法大多基于高斯分布建模量测噪声,但在实际系统中,由于量测野值、建模误差等原因导致量测噪声呈
随着地铁数量的不断增加,地铁车站工作人员和乘客的舒适性和安全性越来越受到人们的重视。对于地铁站内的环境状况进行分析和预测已成为决策和行动的重要依据。传统的点预测方法的输出结果是未来一段时间内的环境参数的具体数值,如果预测模型输出的结果是基于不同置信度的概率值而不是精确数值的话,可能更接近实际情况的要求。因此,本文提出了基于自回归长短时记忆（LSTM）神经网络的地铁车站环境参数概率预测方法,对地铁车
随着人工智能的崛起,人机交互操作系统已经在很多领域广泛应用,尤其是要求精准度和高危的领域,例如:空中交通管理系统,飞机驾驶系统和深海潜行系统等。操作人员在执行任务时需要具备良好的工作状态,分析脑力负荷水平,可以判断其脑力负荷状态,保证人员安全和任务有效执行。因此通过判断操作人员脑力负荷状态并对其进行准确辨识很有意义。常用的脑力负荷辨识方法是基于脑电信号（electroencephalogram,E
近年来,随着深度学习的发展,其在各个领域都应用广泛。但在实际中,深度学习仍存在许多问题。首先获取一个性能良好的深度学习模型需要大规模的标记样本对其进行训练,但是给样本做标注的过程既浪费时间又浪费劳动力。其次,深度学习模型使用当前场景下的数据进行训练和测试的效果较好,但是当测试数据与训练数据存在分布差异时,深度学习模型的泛化能力明显下降。这就导致要花费大量人力物力重新标注样本,并对模型再次进行训练。
圆周扫描地基SAR是将机载圆迹SAR模式引入地基平台的一种新体制地基SAR,与传统的直线轨道地基SAR相比,其具有三维成像能力、单次数据采集时间短、滑坡监测时效性强等优势。近年来,研制具备三维成像能力的地基SAR系统已成为一个国际研究热点。作为一种全新的地基SAR模型,圆周扫描地基SAR仍处于刚起步的阶段。目前,国际上已经验证了利用该模式三维成像的可行性,但其三维成像质量与实际应用中的成像质量要求
计算机技术发展以来,人机交互成为了计算机领域主要研究的内容之一。随着人工智能技术的快速发展,越来越多的人机交互成果被使用在生活中,同时驱动着机器视觉中与人脸相关的大量研究与应用,人脸表情是其中重要的组成部分。生成对抗网络（GANs）自2014年提出,被广泛应用在文本、图像等领域。学者们利用其优秀的生成能力进行人脸研究并且取得一些成果。但是近几年的研究发现,GANs在有限样本的情况下容易产生欠拟合,
光纤预警系统（Optical Fiber Pre-warning System,OFPS）是一种铺设于管道周围、利用分布式光纤传感的预警系统,因具备稳定且精确度较高的特点,被广泛应用于检测管道泄露、人为或机械等入侵行为。OFPS在检测到信号入侵后,识别部分可以通过算法判断入侵信号的类型,依据信号的危险程度采取不同的手段及时止损。目前,在OFPS领域已经有很多成熟的检测与识别算法,但如何判断振动信号
在工业生产中普遍存在时间序列样本不平衡的问题,即正常情况下的样本数量远远大于异常情况下的样本数量。在电解铝行业中这个问题更加的明显,因为在工业生产中发现异常样本是非常困难的,专家没有一个明确的准则来判断异常。近年来,生成对抗网络（GANs）在异常检测领域越来越流行,在本文中,我们利用生成对抗网络（GANs）能够对复杂的高维图像分布进行建模的能力,提出了一种基于输入样本自适应改变的对抗自编码器生成对
云计算作为一种信息处理基础设施模式和商业模式,逐步得到广泛认可。云服务的执行离不开服务执行环境所提供的计算资源和数据支撑。数据及其负载作为服务执行环境的重要支撑,同样也影响着服务质量。在数据负载不断出现波动的时候,服务执行环境的稳定是确保服务质量的关键一环。为确保服务执行环境的稳定,基于数据负载趋势并主动调配资源是目前较为流行的系统管理方法。本文以提高服务质量为目标,基于数据负载的多维度特征,进行