一种基于三维点云的建筑物平面分割方法.pdf

一种三维点云平面分割方法及系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116721113 A (43)申请公布日 2023.09.08 (21)申请号 202211495082.2 (22)申请日 2022.11.26 (71)申请人天翼电子商务有限公司地址 10

2023-09-07 约1.57万字 15页立即下载

一种基于特征融合的三维点云的分类和分割方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113393474 B (45)授权公告日 2022.05.13 (21)申请号 202110648726.6 G06N 3/04 (2006.01)

2023-06-19 约2.05万字 17页立即下载

一种基于平面点云分割的多点云配准方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113344983 A (43)申请公布日 2021.09.03 (21)申请号 202110544527.0 (22)申请日 2021.05.19 (71)申请人香港理工大学深圳研究院

2023-06-17 约2.87万字 20页立即下载

一种新的点云平面混合分割方法.pdf 第卷第期武汉大学学报·信息科学版Ｖｏｌ．３８Ｎｏ．５３８５年月Ｍａ２０１３２０１３５ＧｅｏｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｙ文章编号：（）文献标志码：１６７１８８６０２０１３０５０５１７０５Ａ一种新的点云平面混合分割方法 １１１１闫利谢洪胡晓斌鲍秀武（武汉大学测绘学院，武汉市珞喻路号，）１１２９４３００７９摘要：为了同时提高点云平面分割效率与可靠性，提出了一种新的将区域增长与ＲＡＮＳＡＣ相结合的点云 平面分割方法。该方法通过对八叉树节点进行平面度测试实现种子平面的自动遴选，将节点平面参数作为区域增长约束得到初

2025-03-18 约2.06万字 5页立即下载

基于三维点云的建筑物变化检测研究.pdf 基于三维点云的建筑物变化检测研究摘要变化检测的目的是识别出两组或多组目标间的差异，在遥感领域中应用广泛。作为数字城市建设、地理信息数据库更新和建筑毁伤评估等应用场景中的重要技术之一，积极开展建筑物变化检测研究具有重要意义。随着深度相机与激光雷达等三维传感器的发展，获取大规模的三维点云数据日益方便，为建筑物变化检测提供了更为高效和便捷的技术手段。因此本文基于三维点云数据，对检测建筑物的变化情况展开研究。本文研究的流程如下：首先，扫描大场景下三维点云数据，并预处理该数据；其次，通过语义分割算法提取大场景点云数据中的建筑群；然后，再使用聚类分割算法获取单栋建筑的点云；最后，检测建筑

2025-05-15 约10.85万字 77页立即下载

一种基于多特征信息增强编码的三维点云语义分割方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113392841 B (45)授权公告日 2022.11.18 (21)申请号 202110617230.2 G06V 10/82 (2022.01)

2023-06-17 约1.33万字 14页立即下载

基于深度学习的弱监督三维点云语义分割方法研究.docx 基于深度学习的弱监督三维点云语义分割方法研究一、引言近年来，随着三维传感器技术的发展和广泛应用，三维点云数据逐渐成为计算机视觉领域的重要研究对象。其中，三维点云语义分割是计算机视觉中的一项关键任务，旨在将点云数据中的不同物体或部分进行准确划分。然而，由于三维点云数据的复杂性和稀疏性，实现准确的语义分割仍是一个具有挑战性的问题。为了解决这一问题，本文提出了一种基于深度学习的弱监督三维点云语义分割方法。二、相关工作回顾传统的三维点云语义分割方法主要依赖于几何特征、空间分布和局部上下文等信息。然而，这些方法在处理复杂场景时往往难以取得理想的效果。近年来，随着深度学习技术的发展，越来越多的研究

2025-02-20 约4.65千字 9页立即下载

基于深度学习的三维点云分类与分割方法研究.docx 基于深度学习的三维点云分类与分割方法研究一、引言随着深度学习技术的不断发展，其在三维点云处理领域的应用逐渐受到广泛关注。三维点云数据在许多领域如机器人导航、自动驾驶、三维重建等具有重要应用价值。然而，由于三维点云数据具有无序性、不规则性以及高维度等特点，其处理和分析一直是一个具有挑战性的问题。本文旨在研究基于深度学习的三维点云分类与分割方法，以期为相关领域的研究和应用提供理论依据和技术支持。二、相关工作在三维点云处理领域，传统的分类与分割方法主要依赖于手工特征提取和基于几何的方法。然而，这些方法往往难以处理复杂的场景和大规模的数据集。近年来，随着深度学习技术的崛起，许多研究者开始将深度

2025-02-14 约4.01千字 8页立即下载

基于深度学习的三维点云语义分割方法综述.pdf ^ mmmm 20 2 1 年第 0 1 期 ( 总第 2 1 7 期）基于深度学习的三维点云语义分割方法综述许安宁 (三峡大学计算机与信

2023-11-05 约1.79万字 4页立即下载

一种基于改进的Alpha Shapes算法的地面激光点云建筑物轮廓线提取方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112802041 A (43)申请公布日 2021.05.14 (21)申请号 202110156829.0 (22)申请日 2021.02.05 (71)申请人北京工业大学地址

2023-06-05 约7.59千字 9页立即下载

基于建筑物激光点云数据的分类方法研究　.docx 基于建筑物激光点云数据的分类方法研究摘要：三维激光扫描是一种比传统测量方式更快速，更有自主性的非接触，数字化，自动化的新技术，通常用于快速获取地面高精度空间信息。在空间上离散发布的不规则数据构成了激光点云数据，与传统的测量方式相比，点云数据的处理和分类都更为复杂。地面三维激光扫描处理的关键是从数据量极大的激光点云数据中提取建筑物的有效地物信息，完成地物的三维模型构建。本文进行基于建筑物激光点云数据的分类方法研究，并且提取分类后的点云数据提取地物特征，完成建筑物三维模型的构建。本文的研究对象是建筑物的点云数据，与PointNet++相类似的，主要包括分类、局部分割、场景分割这几个实

2024-12-27 约1.85万字 23页立即下载

基于GAN模型的建筑物点云修补改进方法研究.docx 基于GAN模型的建筑物点云修补改进方法研究一、引言随着三维重建技术的发展，点云数据在建筑物模型构建中发挥着越来越重要的作用。然而，由于数据采集过程中各种因素的影响，建筑物点云数据常常存在缺失、噪声等问题，这给后续的模型构建和应用带来了困难。为了解决这一问题，本文提出了一种基于生成对抗网络（GAN）的建筑物点云修补改进方法。二、相关技术背景 2.1点云数据及建筑物点云特点点云数据是由大量三维坐标点组成的数据集，能够真实反映物体的表面形态。建筑物点云数据具有密度高、结构复杂等特点，需要高效准确的修补技术来处理。 2.2GAN模型原理 GAN模型是一种无监督的学习模型，由生成器和鉴别器两个部

2025-05-16 约4.23千字 8页立即下载

一种基于图的乱序场景下3D点云物体实例分割方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113379755 A (43)申请公布日 2021.09.10 (21)申请号 202110380679.1 (22)申请日 2021.04.09 (71)申请人南京航空航天大学地址

2023-06-18 约1.56万字 13页立即下载

一种基于结构光的手术导航点云分割与配准方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114792326 A (43)申请公布日 2022.07.26 (21)申请号 202210333748.8 G06K 9/62 (2022.01)

2023-05-16 约1.28万字 11页立即下载

一种基于WGAN的无监督多视角三维点云联合配准方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112837356 A (43)申请公布日 2021.05.25 (21)申请号 202110165409.9 (22)申请日 2021.02.06 (71)申请人湖南

2023-06-04 约3.98万字 27页立即下载