基于深度学习的语义分割与室内稠密点云地图研究

目录

声明

专用术语注释表

插图清单

插表清单

第一章绪论

1.1研究背景与意义

1.2国内外点云建图构建与语义分割研究现状

1.3论文结构与安排

第二章传感器及神经网络基本概念

2.1.1 基于图像的视觉传感器

2.1.2 基于激光的雷达传感器

2.2卷积神经网络介绍

2.2.1 卷积层

2.2.2 池化层

2.2.3 激活层

2.2.4 全连接层

2.3深度学习主要框架介绍

2.4本章小结

第三章 基于ORB-SLAM2 的室内稠密点云地图构建与预分割

3.1.1 整体系统设计

3.1.2 ORB-SLAM2 系统简介

3.2稠密点云地图的预处理

3.2.1 基于密度的点云离群点去除

3.2.2 基于超体素聚类的点云地图预分割

3.3实验结果与分析

3.3.1 稠密地图的构建与预处理

3.3.2 预分割点云地图的实现

3.4本章小结

第四章 基于图卷积神经网络的三维点云语义分割

4.1.1 点云数据结构特点

4.1.2 图卷积神经网络原理

4.1.3 DeepGCNs 网络结构

4.2基于双通道注意力融合的DeepGCNs-Att

4.2.1 注意力机制

4.2.2 基于双通道注意力融合的预测模块

4.3实验结果与分析

4.3.1 数据集与硬件配置

4.3.2 训练参数设置

4.3.3 时间与空间复杂度分析

4.3.4 对比实验与分析

4.4本章小结

第五章 基于马尔科夫随机场的点云语义分割优化

5.1.1 最远点降采样算法

5.1.2 八叉树降采样算法

5.2基于点云曲率的马尔可夫随机场优化

5.2.1 马尔可夫随机场基本概念

5.2.2 马尔可夫随机场优化算法

5.3实验结果与分析

5.3.1 硬件环境配置

5.3.2 点云降采样性能分析

5.3.3 马尔可夫随机场优化结果分析

5.4本章小结

第六章 总结与展望

6.2研究展望

参考文献

附录1 攻读硕士学位期间撰写的论文

附录2 攻读硕士学位期间申请的专利

附录3 攻读硕士学位期间参加的科研项目

附录4 攻读硕士学位期间参加的学科竞赛

致谢