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
郑州大学;