车载移动测量激光点云与线阵影像融合

提出一种线阵影像数据与激光点云数据融合方法:利用组合导航数据解算点云绝对坐标的同时,也获取线阵相机的外方位元素,进而能够从线阵影像中计算查找到与点云对应的RGB值,实现点云数据与影像数据的融合。经试验证明,该技术方法在数据处理过程中无需进行同名点匹配,实现了数据融合的自动化处理,融合精度高,能够满足各种复杂情况下的移动测量要求。     

基于图游走和图注意力的点云分类与分割

针对点云特征提取中远距离特征和局部几何结构信息欠缺的问题,提出了一种基于图游走和图注意力的点云分类与分割网络。首先,利用带有导向性的图游走算法,对点云全局特征补充额外的几何信息和远距离特征信息;其次,嵌入图注意力机制,使模型聚焦于点云的关键区域,提升网络的特征提取能力;最后,在初始点云中提取距离特征作为初始残差嵌入到网络中,避免网络过平滑。在ModelNet40数据集、ScanObjectNN数据集进行了点云分类实验,在ShapeNetPart数据集与Toronto-3D数据集上分别进行了点云部件分割与点云语义分割实验,实验结果表明：相较于基准网络DGCNN,分类精度分别提升了1.3百分点、5.6百分点;分割精度分别提升了1.2百分点、33.1百分点。通过在ModelNet40-C数据集上进行稳健性分析,验证了所提网络具有较强的鲁棒性。     

基于激光点云的航测实验室三维重建

三维激光扫描技术以其数据的高精度与采集的高效率为空间信息的获取提供1种全新的技术手段。以黑龙江工程学院的摄影测量与遥感模拟仿真实验室为研究对象,其由建筑和办公设施、地面沙盘和高架航空模拟轨道等专业设施组成,使用Z+F IMAGER?5010X三维激光扫描仪,获取分辨率为0.1 mm的点云数据,采用LiDAR360软件进行一系列点云数据处理操作,获得满足更高质量三维建模要求的点云数据。通过3ds Max三维建模软件构建实验室的三维实景模型,其具有漫游、人机交互和可量测性的特殊性,可服务于教学、实习以及实验室的维护,开创1种实验教学的新模式。     

道路交叉口信号的模糊神经网络控制

应用模糊神经网络对交通系统进行控制是一种新的尝试，它可以充分发挥模糊逻辑和神经网络的优势，实现更为有效的控制。提出了一种基于模糊神经网络的道路交叉口交通信号控制方法，根据两相位的关键车流信息来决定绿灯延长时间，形成控制策略。仿真结果表明，与传统的定时控制方法相比，所提出的神经网络控制方法在车辆平均延误时间和排队长度方面都有较大改进，该方法有效、可行。     

基于竞争注意力融合的深度三维点云分类网络

为了提高三维点云深度网络分类模型对全局特征的提取与表达能力,增强模型对噪声干扰的鲁棒性,提出可迁移应用于不同分类网络的竞争性注意力融合模块,学习多层级特征的全局表征和中间特征内在相似度,对中间特征通道权值重分配. 在基准网络Pointnet++和PointASNL中嵌入所提模块并进行实验,结果显示：所提模块具有独立性和可迁移性,聚焦更利于三维点云形状分类的核心骨干特征. 与基准网络相比,所提模块在保持分类精度稳定不下降的情况下,模型对点云扰动噪声、离群点噪声和随机噪声的抗干扰能力增强,在随机噪声数分别为0、10、50、100、200的情况下,准确度分别达到93.2%、92.9%、85.7%、78.2%、63.5%. 与传统滤波方法相比,端到端的学习减少预处理步骤和人工干预过程,同时具有更优的抗噪性能.     

改进移动窗口的道路区域识别算法研究

针对车载激光扫描系统进行道路区域识别时出现的边界点云提取的准确性与精度问题,文中提出一种基于扫描线的移动窗口道路区域识别方法.对于无扫描线信息的离散点云,利用点云GPS时间和扫描角度将道路原始点云转换成有序扫描线条带,分析不同目标在扫描线中的空间分布和统计特征,构建多尺度、多窗口组合的移动窗口滤波方法.实验结果表明:采...     

基于灰度相似性的激光点云与全景影像配准

针对传感器参数未知、环境结构特征不明显、影像数据较少等情况,提出基于灰度相似性的车载3D激光点云与全景影像自动化配准方法.基于全景拼接算法和柱面投影原理,分别将多张单幅图片拼接为全景影像,并将3D激光点云转换为2D深度图.基于灰度相似性原理,将全景影像和2D深度图在水平方向和垂直方向等间隔细分成区域对,沿水平方向和垂直方向移动全景影像,计算每次移动后各细分区域对之间像素灰度值之和的比值,并求解其均方差,将均方差最小时的区域移动值作为最终匹配偏移量.根据偏移量计算得到全景影像相对3D激光点云的水平旋转角度和垂直平移距离.实测结果表明,本研究所提算法对场景的适应性较好,平均配准误差为2个像素,而对比方法无法实现有效配准.     

基于F-PointNet的3D点云数据目标检测

针对目前3D点云目标检测模型检测精度不高的问题,研究使用直接处理点云数据的F-PointNet模型检测汽车、行人和骑车人,并对模型进行微调,进一步提升模型的目标检测精度。试验中使用不同的参数初始化、$ell $₂正则化和修改卷积核数的方法对模型进行测试。试验结果表明, Xavier参数初始化方法收敛速度比截断正态分布方法快0.09 s,同时汽车和骑车人检测精度分别高出大约3%和2%;增加$ell $₂正则化,行人检测精度和骑车人检测精度可提高大约2%和1%;对T-Net(Transfrmer Networks)第一层卷积层的卷积核数减少为128后,汽车和骑车人检测精度分别提高了大约1%和2%,表明本模型能有效地提升目标检测精度。     

基于深度学习的点云语义分割研究综述

点云作为一种重要的三维数据类型,在自动驾驶、机器人、虚拟及增强现实等人工智能方面应用广泛。点云语义分割是点云处理中的关键任务,旨在将点云中的每个点分配给特定的语义类别。综述了国内外基于深度学习的点云语义分割的研究进展。首先,总结了点云语义分割中常用的开源数据集,并介绍了间接基于点云和直接基于点云的深度学习处理方法及其应用进展。此外,给出了这些方法的实验结果,并对他们进行了简要对比。最后,对当前点云语义分割所存在的问题进行了探讨,并提出了未来的研究发展方向。     

基于F-PointNet的3D点云数据目标检测

针对目前3D点云目标检测模型检测精度不高的问题,研究使用直接处理点云数据的F-PointNet模型检测汽车、行人和骑车人,并对模型进行微调,进一步提升模型的目标检测精度。试验中使用不同的参数初始化、$\ell $₂正则化和修改卷积核数的方法对模型进行测试。试验结果表明, Xavier参数初始化方法收敛速度比截断正态分布方法快0.09 s,同时汽车和骑车人检测精度分别高出大约3%和2%;增加$\ell $₂正则化,行人检测精度和骑车人检测精度可提高大约2%和1%;对T-Net(Transfrmer Networks)第一层卷积层的卷积核数减少为128后,汽车和骑车人检测精度分别提高了大约1%和2%,表明本模型能有效地提升目标检测精度。     

基于移动激光扫描系统Trimble MX8的杆状地物提取研究

介绍车载移动三维激光扫描测量系统的发展和特点,以及Trimble MX8系统的构成和功能应用,重点阐述当前国内学者从激光点云数据中提取杆状地物的方法.通过选择两条不同的道路,在不同道路环境下应用不同的参数对杆状地物进行提取,显示不同的提取结果.通过对实验结果进行对比分析得出：面对不同的道路环境,采用相适宜的参数,再加以人工细致的检查,从激光点云数据中提取杆状地物的结果还是可以满足需要的.     

基于图神经网络的地表水水质预测模型

针对水质数据在时间和空间维度上的复杂依赖关系,提出基于图神经网络（GNN）的地表水水质预测模型. 该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系,使用长短时记忆网络（LSTM）建模水质指标序列在时间上的复杂依赖关系,将编码结果输入到解码器中得到预测输出. 实验结果表明,与时间序列分析方法、通用回归方法和一般深度学习方法相比,该模型能够实现23.3%、26.6%和14.8%的性能提升.     

3D cavity detection technique and its application based on cavity auto scanning laser system

Ground constructions and mines are severely threatened by ones. Safe and precise cavity detection is vital for reasonable cavity underground cavities especially those unsafe or inaccessible evaluation and disposal. The conventional cavity detection methods and their limitation were analyzed. Those methods cannot form 3D model of underground cavity which is used for instructing the cavity disposal; and their precisions in detection are always greatly affected by the geological circumstance. The importance of 3D cavity detection in metal mine for safe exploitation was pointed out; and the 3D cavity laser detection method and its principle were introduced. A cavity auto scanning laser system was recommended to actualize the cavity 3D detection after comparing with the other laser detection systems. Four boreholes were chosen to verify the validity of the cavity auto scanning laser system. The results show that the cavity auto scanning laser system is very suitable for underground 3D cavity detection, especially for those inaccessible ones.     

基于深度学习的多载波系统信道估计与检测

为了提升滤波器组多载波（FBMC）系统的通信质量,针对符号检测与信道估计问题,研究系统框架和虚部干扰问题,提出基于深度学习的FBMC系统信道估计与检测方法. 搭建完整的FBMC-偏移正交幅度调制（OQAM）系统与深度学习模型结合的仿真系统,设计接收数据的特征与标签处理;采用ResNet-DNN神经网络对信道符号检测模块建模,改进原模型网络结构和优化模型参数,和传统的分类器相比,提高了符号检测的准确性;采用CNN+NN模型对信道估计、均衡、符号检测模块进行建模和集成,理论分析和仿真结果表明,新方法的抗噪声能力、鲁棒性和误比特率（BER）性能均优于正交频分复用（OFDM）系统和基于导频估计的FBMC系统性能.     

一种基于DSmT推理的物品融合识别算法

针对目前提升深度模型分类表现方法存在的硬件性能不足、结构创新不易、训练样本有限等问题,提出一种基于DSmT(Dezert-Smarandache)推理的物品融合识别算法。对于待识别目标,应用数据融合思想将来自不同深度学习模型提供的识别信息进行融合处理。利用已有的预训练深度学习模型,根据分类识别任务进行特定的微调;针对DSmT理论中构造信度赋值困难的问题,使用深度学习网络对图像的判别输出进行证据源信度赋值;在决策级层运用DSmT组合理论对信度赋值融合处理,进而实现物品的准确识别。在不改变网络模型结构与同一数据集的情况下,将提出的方法与单一网络模型和平均值处理方法进行对比测试试验。试验结果表明,该方法可以有效地提高物品图像的识别率。     

功能性规则约束下的三维点云道路设施语义标注

三维场景的语义标注研究是机器视觉、摄影测量以及机器学习等领域的热门研究课题. 但基于移动激光扫描数据的道路设施精确解释仍处于瓶颈期. 提出一种基于逻辑关系和功能性对道路设施进行语义标注的新方法,先总结制定道路设施相关的特征符号和规则,再根据所定义的规则功能对点云数据进行语义标注. 基于该方法对国内某中等城市道路点云数据进行了相当详尽的解释,正确提取了93%的杆状物体,并全部正确识别. 对于杆状物体的附件(如灯头、交通标志等),基本正确识别且有效标记. 与改进的RANSAC算法相比,该方法提供了一个较好的解决方案,有助于在城市环境中自动绘制详细的道路设施.     

基于深度神经网络的多因素感知终端换机预测模型

针对基于特征工程的传统终端换机预测模型依赖于领域知识且无法充分利用用户通话、流量使用等序列数据的问题,提出基于深度神经网络的多因素融合终端换机预测模型. 该模型使用长短时记忆网络（LSTM）提取用户通话、流量使用行为序列特征,使用全连接网络融合用户自然属性、行为序列特征和历史换机信息,预测用户是否换机. 实验表明,基于深度神经网络的多因素融合终端换机预测模型能够考虑影响用户换机的多种因素,充分挖掘用户通话、流量使用行为序列特征;当召回率为0.135时,相比于传统模型精确率提高了34.3%.     

基于深度学习的多模态行人重识别综述

行人重识别(Re-ID)旨在跨像机检索同一目标行人,它是智能视频监控领域的一项关键技术.由于监控场景的复杂性,单模态行人重识别在低光、雾天等极端情况下的适用性较差.因实际应用的需要以及深度学习的快速发展,基于深度学习的多模态行人重识别受到了广泛的关注.本文针对近年来多模态行人重识别的发展脉络进行综述:阐述了传统单模态行人重识别方法存在的不足;归纳了多模态行人重识别的常见应用场景及其优势,以及各数据集的构成;重点分析了各种场景下多模态行人重识别的相关方法及其分类,并探讨了当前研究的热点和挑战;最后,讨论了多模态行人重识别的未来发展趋势及其潜在应用价值.     

基于三维激光扫描技术的大型古建筑精细三维重建

大型古建筑文物结构复杂,数字化保护工作繁琐且沉重,而三维激光扫描技术作为测绘领域的一项高新技术,具有无接触测量、效率高等优点,将三维激光扫描技术应用到文物保护领域将成为精细、快捷的文物档案保护手段之一。以某大型仿古建筑为例,详细阐述了数据采集的技术和方法,结合在数据处理过程遇到的一些问题进行了探讨和总结。最终给出该建筑物的局部纹理映射图和各类效果图,为三维激光扫描技术在大型古建筑三维重建中的应用提供借鉴和参考。     

基于激光测距雷达的室外移动机器人定位

采用激光测距雷达作为机器人的外部传感器,里程计和惯性导航系统作为内部传感器,对室外移动机器人环境地图已知情况下的定位问题进行了研究。根据定位系统的特点建立了系统的运动模型和观测模型,考虑到系统的不确定性,提出了一种基于混合模型的系统误差描述方法,同时采用扩展卡尔曼滤波对多传感器信息进行了融合,仿真试验的结果表明该定位系统具有较高的定位精度。