基于深度学习的三维点云物体识别方法研究

目录

声明

摘要

图目录

表目录

1绪论

1．1研究背景及意义

1．2国内外研究现状

1．2．1基于深度学习的三维点云补全算法研究现状

1．2．2基于深度学习的三维点云识别算法研究现状

1．3存在的主要问题

1．4论文研究内容

1．5论文的结构安排

2相关原理与技术

2．1CapsNet的基础理论及工作原理

2．2GAN的基础理论及工作原理

2．2．1GAN的工作原理

2．2．2DCGAN模型

2．2．3WGAN的基础理论

2．3SVM的基础理论知识

3 基于深度学习的三维点云补全网络

3．1引言

3．2基于补丁的点云补全方法

3．3网络整体架构

3．3．1数据准备及预处理

3．3．2多层次胶囊编码器(MCE)

3．3．3特征金字塔形解码器(FPD)

3．3．4网络损失函数的构建

3．4模型训练及参数设定

3．5实验结果与分析

3．6本章小结

4基于深度学习的三维点云识别网络

4．1引言

4．2网络整体架构

4．2．1数据准备

4．2．2多层次自注意胶囊编码器(MSCE)

4．2．3网格解码器(MD)

4．2．4网络损失函数构建

4．3模型训练及参数设定

4．4实验结果与分析

4．5本章小结

5总结与展望

5．1本文完成的主要工作

5．2本文的创新点

5．3展望

参考文献

个人简历、在校期间研究成果和获得荣誉

致谢