排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
针对不同地形点云数据采用不同的滤波和格网插值方法提取地面信息,得到了良好的滤波插值效果,为后续地表下沉盆地获取等工作提供了优质的基础数据。对于不同的点云数据,文中分别进行了针对性的处理。对地表平坦且植被稀少的点云数据,采取高程最低点采样并替代格网高程值的方法;对地物和植被杂乱的点云数据,采用基于先验高程信息滤波与Kriging格网插值相结合的方法;而对于地形起伏较大的点云数据则采用渐点加密TIN滤波与Kriging格网插值相结合的方法,最终得到高质量的基础数据并应用于工程实际。 相似文献
2.
3.
4.
点云语义分割是三维点云数据处理的基础步骤,是三维场景理解分析、重建和目标识别的关键环节.针对目前对三维点云进行语义分割使用的点云信息少和精度不高的问题,本文在利用点云三维坐标信息的基础上,增加了点云RGB信息和所属房间的归一化坐标信息,从而丰富了神经网络输入端的信息量,进一步提高了模型的分割精度,最后利用PointNe... 相似文献
5.
针对目前利用点云进行3D目标检测的研究较少和检测精度不高的问题,利用Frustum-Pointnets模型实现基于点云的3D目标检测,并在该模型的基础上进行改进,选用不同的激活函数和参数初始化方法进行组合对比,进一步提高模型的精度。实验表明:在选用Swish激活函数和He参数初始化方法时汽车平均检测精度提高了0.31 %,行人平均检测精度提高了0.41 %,骑车人平均检测精度提高了5.5 %。因此改进后的模型能有效提高检测的精度,使得模型能够应用在复杂的场景中。 相似文献
6.
7.
8.
急倾斜煤层开采沉陷预计研究 总被引:1,自引:0,他引:1
由于沉陷预计常用的方法对于急倾斜煤层开采的沉陷预计具有一定的局限性,预测结果与实测数据相差较大,难以符合实际生产要求。因此,通过比较实测下沉曲线与等效煤层的概率积分法预计曲线,推导出一套适合概率积分法预计的急倾斜煤层开采下沉预计参数,为急倾斜煤层下沉预计工作的简化提供了基础。 相似文献
9.
人工智能的发展程度取决于机器对环境的感知能力,即机器对场景理解的能力,这就离不开其中的核心技术—三维点云语义分割,虽然基于深度学习的三维点云语义分割网络层出不穷,但都存在局部特征利用不充分的问题,导致分割效果不佳。本文针对这个问题,受PointNet++和TSegNet的启发,设计了具有双层结构的CSegNet模型。首先,编码部分使用逐点卷积来取代PointNet层捕捉点云的局部特征;其次,解码部分使用PointDeconv层恢复原始点云结构;最后加入边缘卷积来更有效的提取局部特征,并解决边界不平滑问题。在S3DIS数据集上验证表明,CSegNet能更好的利用局部特征来进行分割,最终得到oAcc为88.7%,mIoU为73.7%的分割准确性。 相似文献
10.