基于深度学习的点云分类研究

目录

声明

第一章 绪论

1.1课题研究背景及意义

1.1.1课题来源

1.1.2研究背景及意义

1.2 国内外研究现状

1.3本文主要研究内容及章节介绍

第二章 相关方法的分析与研究

2.1相关深度学习方法概述

2.1.1 多层感知机

2.1.2 卷积神经网络

2.2 相关技术基础

2.2.1 点云的最远点采样算法

2.2.2 SIFT 特征描述算子

2.2.3 KNN概述

2.3 特征提取方法的分析

2.3.1 基于体素的方法

2.3.2 基于多视角的方法

2.3.3 基于点的方法

2.3.4 基于网格的方法

2.4 本章小结

第三章 图卷积神经网络的输入构建

3.1 图卷积理论基础

3.1.1拉普拉斯矩阵与拉普拉斯算子

3.1.2图卷积核定义

3.2通过KNN构建邻接矩阵

3.2.1 KNN实现的具体原理

3.2.2 构建邻接矩阵

3.3 通过网格信息构建邻接矩阵

3.4 本章小结

第四章 分类网络的设计与实验结果分析

4.1 分类网络结构设计

4.1.1 模型结构

4.1.2 特征提取模块

4.2 三维数据集介绍

4.3 输入数据处理

4.3.1 预处理与数据增广

4.3.2 输入数据的采样

4.4 实验环境搭建与实验参数设置

4.4.1 实验环境搭建

4.4.2 实验参数设置

4.5 实验结果对比与结论

4.5.1 结果与衡量指标

4.5.2 本章小结

第五章 总结与展望

5.1 工作总结

5.2 研究展望

参考文献

攻读硕士期间发表的论文及所取得的研究成果

致谢