期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
结合超体素与PFCM的点云分割方法
1
作者 张树益 常建华 +2 位作者 毛仁祥 李红旭 张露瑶 《激光技术》 CAS CSCD 北大核心 2021年第4期535-540,共6页
为了实现点云数据的区域划分,提出了一种结合超体素与粒子群优化模糊C均值(PFCM)的聚类分割算法(SPFCM)。用随机采样一致性算法去除点云平面,根据3-D点云的空间位置、曲率以及快速直方图特征,利用八叉树体素化点云得到超体素。采用PFCM... 为了实现点云数据的区域划分,提出了一种结合超体素与粒子群优化模糊C均值(PFCM)的聚类分割算法(SPFCM)。用随机采样一致性算法去除点云平面,根据3-D点云的空间位置、曲率以及快速直方图特征,利用八叉树体素化点云得到超体素。采用PFCM算法对超体初步划分,并对粘连的点云再划分,克服了PFCM算法对于堆叠物体无法分割及较大物体过分割的缺点,并在OSD-v0.2数据集上对SPFCM算法进行了性能测试。结果表明,相较于PFCM算法,SPFCM不仅保留了其参量少、操作简单等优点,而且指标得到了较大提升,准确率达到86%,查全率达到83%。该研究对3-D点云复杂场景的准确分割提供了帮助与参考。 展开更多
关键词 激光技术 点云分割 超体素 模糊聚类 粒子群优化
在线阅读 下载PDF
基于3D-MobileNetv2的多目标实时跟踪框架 被引量:2
2
作者 毛仁祥 常建华 +2 位作者 张树益 李红旭 张露瑶 《量子电子学报》 CAS CSCD 北大核心 2022年第3期364-372,共9页
为了克服卡尔曼滤波在远距离以及遮挡情形下跟踪不准确的问题,设计了一个多目标实时跟踪框架,利用神经网络预测目标物体在三维空间里的状态,使用匈牙利算法逐帧进行数据关联,设计轨迹管理模块管理相应的轨迹,实现多目标跟踪。相较于传... 为了克服卡尔曼滤波在远距离以及遮挡情形下跟踪不准确的问题,设计了一个多目标实时跟踪框架,利用神经网络预测目标物体在三维空间里的状态,使用匈牙利算法逐帧进行数据关联,设计轨迹管理模块管理相应的轨迹,实现多目标跟踪。相较于传统的框架,该框架不需要在图像空间执行卡尔曼滤波,不仅能在高帧速率准确跟踪遮挡目标,而且对远距离目标也有优异的表现。以KITTI数据集进行测试,性能指标如下:多目标跟踪准确度为79.22,多目标跟踪精确度为78.33,多数丢失数为54.19,多数跟踪数为13.21,ID转变数为16,运行速度为39帧/秒。相较于传统的卡尔曼框架,准确率提升了11%,并且抗遮挡性也有大幅度提升。 展开更多
关键词 图像处理 多目标跟踪 深度学习 激光点云
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部