期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
顾及扫描线分布特征的地铁隧道移动扫描点云超分辨率方法
1
作者 张家文 梁嘉辉 +2 位作者 张秋昭 段伟 张开坤 《金属矿山》 北大核心 2024年第12期231-239,共9页
基于深度学习的隧道点云超分辨率技术能够将稀疏点云进行上采样,获得更加真实、丰富的物体点云信息,为高精度的三维重建、病害识别提供数据基础。基于“插值生成点云+深度学习位置优化”的思想,提出了一种基于扫描线分布特征的地铁隧道... 基于深度学习的隧道点云超分辨率技术能够将稀疏点云进行上采样,获得更加真实、丰富的物体点云信息,为高精度的三维重建、病害识别提供数据基础。基于“插值生成点云+深度学习位置优化”的思想,提出了一种基于扫描线分布特征的地铁隧道移动扫描点云超分辨率模型和方法。应用扩张K近邻采样原理,改善了生成的插值点云空间分布。设计了融合扫描线空间分布特征的点云位置优化深度学习网络模型。在点距离特征提取过程中融合了扫描线空间分布特征,增强了网络模型对点云扫描线分布特征的感知与利用能力,从而改善地铁隧道移动扫描点云超分辨率处理效果。利用南京某地铁隧道实测点云数据制作点云超分辨率数据集,对所提模型进行了验证。结果表明:测试数据集的超分辨率结果CD值达到3.72,HD值达到50.57,相比经典的Grad-PU模型分别降低了19.31%和14.22%,对于低分辨率点云中扫描线间隙较大、点云密度不均匀的区域,能够取得更加均匀且准确的超分辨率处理结果。 展开更多
关键词 点云超分辨率 地铁隧道 移动激光扫描 Grad-PU
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部