摘要
在复杂的空间环境中,机器视觉是实现作业目标自动辨识的重要手段。目前,广泛应用于机器人领域的 Kinect (Kinect)和激光(LiDAR)等多种探测手段可以获得物体的3D结构,从而实现更为复杂的装配、拆卸、抓持等作业。然而,这也给机器人在三维空间定位、目标尺寸测量和估计等方面提出了更高的需求。三维点云数据的有效获取是计算机视觉领域研究的一个热点问题。由于原始3D点云数据噪声大、稀疏、无序,给其进行分类和划分带来了很大的挑战,同时也带来了部分特征的难以获取。
通过对 PointNet+和 PointNet++两种不同类型的网络进行比较,重点研究了 PointNet++网络在数据抽取方面的优势。本项目基于 GateNet,将该思路与深度神经网络相结合,构建基于 PointNet++的G-PointNet++模型,以提升3D点云数据的分类与划分准确率。
关键词:深度学习;机器视觉;三维点云
点点赞赏,手留余香
给TA打赏
请先
!