该算法的基本原理主要包括下述4个步骤: 1) 将收集到的激光雷达点云数据进行预处理,包括消除冗余的点云数据与干扰的噪声数据; 2) 基于体素模型进行数据预处理,针对体素模型会损失部分信息点的缺陷,进行栅格化处理,统计点云的特征表示,保留栅格的几何信息; 3) 利用DGCNN边缘卷积提取特征,对DGCNN网络进行改进,利用卷积...
摘要 3D点云目标检测是计算机3D视觉中的一个关键技术,本文针对激光雷达点云数据的稀疏性、无序性和数据量大,导致神经网络运算效率慢、检测精度低等问题,开展了基于激光雷达点云的目标检测算法研究。在激光雷达点云数据处理阶段,我们将...展开更多 3D point cloud target detection is a key technology in computer ...
摘要:针对三维点云数据冗余量大、重建时间长、效率低等问题,提出一种基于体素化网格下采样的点云简化算法。该算法首先求出点云数据集的最小三维长方体包围盒,把点云数据划分进三维体素栅格中去;其次计算点云的k邻域,进行曲面法向量估计;然后,在三维体素栅格中选择满足要求的数据点,实现点云下采样;最后,调用Power...
基于体素化网格下采样的点云简化算法研究
针对三维点云数据冗余量大,重建时间长,效率低等问题,提出一种基于体素化网格下采样的点云简化算法.该算法首先求出点云数据集的最小三维长方体包围盒,把点云数据划分进三维体素栅格中去;其次计算点云的k邻域,进行曲面法向量估计;然后,在三维体素栅格中选择满足要求的数据点,实现点云下采样;最后,调用Power Crust对...