声明
摘要
第一章绪论
1.1研究背景和意义
1.2国内外研究现状
1.2.1物体的形状补全
1.2.2场景的补全
1.3论文研究内容
1.4论文组织关系
第二章相关技术概述
2.1深度学习发展概述
2.2自编码器
2.3卷积神经网络
2.4对抗生成网络
2.5深度学习环境
2.5.1 Tensorflow
2.5.2 CUDA和cuDNN
2.6本章小结
第三章基于生成对抗网络的物体形状保结构补全
3.1研究方法概述
3.2生成对抗补全网络结构
3.2.1生成器结构
3.2.2判别器结构
3.3损失函数
3.4实验环境及实验数据
3.4.1实验环境
3.4.2数据集及预处理
3.5实验结果与分析
3.5.1形状补全实验结果
3.5.2不同点云修复方法的比较
3.6本章小结
第四章基于“类别-实例”分割的室内点云场景补全
4.1研究方法概述
4.2点云场景缺失补全框架
4.2.1点云场景“类别-实例”分割
4.2.2实例点云补全网络
4.3损失函数
4.4实验环境及实验数据
4.4.1实验环境
4.4.2数据集及预处理
4.5实验结果与分析
4.5.1点云补全网络补全结果
4.5.2与不同的点云数据修复方法的比较
4.5.3室内场景家具形状补全
4.6本章小结
第五章总结与展望
5.1总结
5.2展望
参考文献
致谢
攻读学位期间的研究成果
浙江理工大学;