基于Light-BotNet的激光点云分类研究AET-电子技术应用-最丰富的电子设计资源平台

基于Light-BotNet的激光点云分类研究
所属分类：技术论文
上传者：aetmagazine
文档大小：735 K
标签：点云特征图像 BotNet Transform
所需积分：0分积分不够怎么办？
文档介绍：三维点云在机器人与自动驾驶中都有着普遍的应用，深度学习在二维图像上的研究成果显著，但是如何利用深度学习识别不规则的三维点云，仍然是一个开放性的问题。目前大场景点云自身数据的复杂性，点云扫描距离的变化造成点的分布不均匀，噪声和异常点引起的挑战性依然存在。针对于现有的深度学习网络框架对于激光点云数据的分类效率不高以及分类精度低的问题，提出一种基于激光点云特征图像与Light-BotNet相结合的CNN-Transform框架。该框架在于通过对点云数据进行特征提取，以相邻的特征点构造点云特征图像作为网络框架的输入，最后以Light-BotNet为网络框架模型进行点云分类训练。实验结果表明，该方法与现有的多数点云分类方法相比，能够较好地提升激光点云的分类效率以及分类精度。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动