摘要
三维视觉已成为当前研究的热点之一。在各种类型的三维数据描述中,点云由于其数据量小而呈现能力细腻被广泛应用于三维数据处理中。现实世界的点云数据通常是通过激光扫描仪、立体相机或低成本RGB-D扫描仪获取的。但是由于遮挡问题、光线反射、材料表面的透明度以及传感器分辨率和视角的限制,导致这些设备直接获取的通常是稀疏或者不完整点云,造成几何信息和语义信息的丢失进而影响到各种下游任务,如机器人操作,导航场景理解等。根据点云补全侧重点不同,将基于深度学习的三维点云补全技术划分为基于体素的形状补全和基于点的形状补全。
出处
《网络安全技术与应用》
2023年第3期31-33,共3页
Network Security Technology & Application
基金
江汉大学2020级研究生创新基金项目:《基于深度学习的点云补全算法研究》
江汉大学2022年度学生科研省级重点项目:《一种基于新型编解码器诊断胎儿脑部异常的图像识别技术》(编号:2022zd096)资助。