基于3D注意力卷积与自监督学习的脑疾病分类方法

为了提升现有脑疾病分类方法提取三维空间特征的能力,提出一种融合3D注意力卷积与自监督学习的分类模型。首先,提出一种基于残差结构的3D注意力卷积神经网络来提取空间特征,利用3D注意力机制区分体素数据中不同空间位置的重要性;其次,利用空间特征构建一个基于自监督学习的多任务学习框架,通过基于空间连续性的自监督辅助任务来进一步挖掘体素的空间依赖关系;最后,通过辅助任务与目标分类任务的联合训练优化神经网络参数,进而提升分类模型的性能。在ABIDE-Ⅰ和ABIDE-Ⅱ数据集上的实验结果表明,所提方法具有优异的分类性能,分类结果也具备良好的可解释性。

基于边界点估计与稀疏卷积神经网络的三维点云语义分割

针对大规模点云具有稀疏性,传统点云方法提取上下文语义特征不够丰富,并且语义分割结果存在物体边界模糊的问题,提出基于边界点估计与稀疏卷积神经网络的三维点云语义分割算法,主要包括体素分支与点分支.对于体素分支,将原始点云进行体素化后经过稀疏卷积得到上下文语义特征;进行解体素化得到每个点的初始语义标签;将初始语义标签输入到边界点估计模块中得到可能的边界点.对于点分支,使用改进的动态图卷积模块提取点云局部几何特征;依次经过空间注意力模块与通道注意力模块增强局部特征;将点分支得到的局部几何特征与体素分支得到的上下文特征融合,增强点云特征的丰富性.本算法在S3DIS数据集和SemanticKITTI数据集上的语义分割精度分别达到69.5%和62.7%.实验结果表明,本研究算法能够提取到更丰富的点云特征,可以对物体的边界区域进行准确分割,具有较好的三维点云语义分割能力.

多模态融合的三维语义分割算法研究

如何高效提取稠密感知的图像特征信息以及真实三维感知的点云特征信息并充分利用其各自优势进行信息互补是提升三维目标识别的关键。本文提出了一种图像和点云融合的多模态框架用于三维语义分割任务。图像与点云特征提取分支相互独立,设计深度估计融合网络用于图像分支,将稠密感知的图像语义信息与真值显式监督的深度特征信息有效融合,对点云的无序及稀疏性进行补偿。并改进体素特征提取方法,减少点云体素化带来的信息损失。图像、点云分支提取多尺度特征后通过动态特征融合模块提升网络对关键特征的提取能力,更有效的获取全局特征。同时本文提出点级的多模态融合数据增强策略,提升样本多样性的同时有效缓解样本不均衡问题。在Pandaset公开数据集上进行对比实验,本文的多模态融合框架展现出更优的性能和更强的鲁棒性,尤其在小样本小目标上性能提升更为明显。

基于路侧激光雷达的多目标检测与跟踪算法

为了检测与跟踪城市交叉口复杂环境下的道路目标,提出一种基于路侧激光雷达的多目标检测与跟踪算法。首先利用背景减除法滤除背景点云,随后融合5帧点云并利用曲率体素聚类算法检测目标得到3 D包围盒信息,之后通过自适应阈值的双门控和生存周期管理策略,有效提升关联精度并减少了目标丢失和误检,最后利用交互式多模型无迹卡尔曼滤波(IMM-UKF)和联合概率数据互联(JPDA)的融合算法完成道路目标的跟踪。试验结果表明,该算法在保证检测和跟踪性能基础上满足实时性要求,具有工程实用价值。

一种加速渲染NeRF烘焙数据的方法

针对基于神经辐射场的渲染方法虽然具备低人工参与度下的照片级别图像生成能力,但是生成图像的时间过长、难以实现实时渲染的问题,文章聚焦于提升神经辐射场的实时渲染性能,从神经辐射场体渲染环节处着手,以烘焙数据为渲染资产,针对利用八叉树保存体素数据无法达到常数访问时间复杂度的问题,提出了一种基于八叉树的扁平化稀疏体素存储方式,以及相应的渲染采样算法。实验结果表明,在使用神经辐射场(Neural Radiance Field,NeRF)合成数据集渲染800×800分辨率的图像时,可以达到268.83的平均帧率,高于其他对比方法。

基于二次特征提取的煤矿巷道表面点云数据精简方法

采用三维激光扫描技术提取的煤矿巷道表面点云数据量大且存在较多的冗余数据,而现有点云数据精简方法存在大数量级点云处理过程中细节保留不足的问题。针对上述问题,提出了一种基于二次特征提取的煤矿巷道表面点云数据精简方法。首先对采集到的原始巷道点云数据进行去噪预处理;其次建立K-d树,并利用主成分分析法对去噪后点云数据估算来拟合邻域平面的法向量;然后通过较小的法向量夹角阈值对点云进行初步的特征区域与非特征区域划分,保留特征区域并随机下采样非特征区域,接着依据较大的法向量夹角阈值将特征区域点云划分为特征点和非特征点,并对非特征点进行体素随机采样;最后将2次点云精简结果与特征点合并得到最终的精简数据。仿真结果表明,该方法在百万数据量级点云和高精简率条件下,相较曲率精简方法、随机精简方法和栅格精简方法,在特征保留和重构精度方面都取得了更好的效果,三维重构后计算所得标准偏差平均可低于相同精简率下其他方法30%左右。

基于静息态功能磁共振成像的青年男性军人抑郁症患者多尺度脑异常研究

目的揭示青年男性军人抑郁症患者静息态条件下的多尺度脑功能异常特点。材料与方法本研究纳入青年男性军人抑郁症患者及健康对照被试各31例,采集被试成长经历、人格特质、生活事件、社会支持、抑郁、焦虑和掩饰性评分及静息态MRI数据。对于预处理后的功能MRI数据,进行体素-脑区的多尺度分析,并结合Mann-Whitney U和一般线性模型分析青年男性军人抑郁症患者不同尺度下的异常特点及与军人心理健康大数据评分变量间的关系。结果(1)体素尺度下,军人抑郁症患者双侧舌回和右侧额上回的低频振幅(amplitude of low-frequency fluctuations,ALFF)值,双侧舌回、左侧梭回的低频振幅度分数(fractional amplitude of low-frequency fluctuations,fALFF)值以及左侧颞上叶的功能连接强度(functional connectivity strength,FCS)显著降低(P<0.05);右侧中央旁小叶ALFF值、左侧额中回和右侧额上回fALFF值和左侧楔前叶FCS显著增高(P<0.05)。(2)脑区尺度下,军人抑郁症患者右侧颞下回中介中心性、右侧楔前叶的度中心性和小脑蚓部节点最短路径显著增加(P<0.05);右侧颞下回的度中心性、节点聚类系数和节点局部效率,小脑区域的度中心性和节点效率以及右侧枕下回的节点局部效率显著降低(P<0.05)。(3)脑网络尺度下,军人抑郁症患者的异常遍布多个脑网络,默认网络(default mode network,DMN)与视觉网络(visual network,VN)的差异最多。(4)关联分析显示,位于DMN、VN与小脑等脑区的ALFF、FCS、度中心性、节点效率及节点最短路径等功能特征与军人心理大数据显著相关(P<0.05)。结论本研究揭示了青年军人抑郁症患者从局部到全局多个尺度下脑功能异常变化的特点,并发掘了与军人心理健康大数据显著关联的异常区域,该发现为进一步了解青年男性军人抑郁症群体的发病机制提供了结果支持。

基于体素栅格的建筑物三维激光点云数据抽稀方法

为了提升三维激光点云数据处理、存储、运算效率,对基于体素栅格的三维激光建筑物点云抽稀方法进行了研究。通过提取原始三维激光点云空间位置和法向量作为体素栅格存贮数据的主要信息;以三维激光点云最大外包矩形构建最大体素,并依据点云位置不断地进行空间划分,直至阈值范围内,从而实现点云数据的高效组织与管理。对体素栅格内的点云依据设定空间半径阈值检索种子点周边点云,剔除体素栅格中阈值内点云,保留种子点云,从而实现了三维激光点云数据抽稀,有效压缩了三维激光点云数据。并通过实验验证了该方法可以有效降低三维激光点云数据冗余,为海量三维激光点云数据的存储与应用等方面的研究提供参考。

机载LiDAR点云体元化及其在3D滤波中的应用

相较于规则格网、不规则三角网和点云等数据结构,体元的优势在于其既是真3D结构同时又隐含有邻域关系。提出了一种二值（1和0）3D体元数据结构模型以重构机载Li DAR点云,在此模型基础上提出了一种基于体元的3D滤波算法。该算法首先选取高程最低目标体元作为地面种子体元,然后标记与其3D连通的＂1值＂体元集合为地面体元。采用ISPRS标准测试数据验证提出算法。结果的定量分析表明算法平均Kappa系数在相对平坦、不连续及陡坡地形分别为92.94%、60.43%和73.69%。

医学图像序列的直接体绘制算法研究

提出了一种基于体素模型的直接体绘制算法，该算法结合了面绘制及直接体绘制的优点，可以利用ＯｐｅｎＧＬ图形标准及硬件加速对图像序列进行三维重建，重建效果逼真，重建速度较快，具有算法简单。

一种用于时空体元编解码存储的低计算量优化方法

针对时空网格体对象的编解码占用存储空间大的问题,提出了一种用于时空体元编解码存储的低计算量优化方法。首先以十六叉树索引结构为基础,构建了时空网格体元编解码的数学模型,实现体元对象标识和时空位置索引,并借助3DGIS的自动编解码方法,实现了时空网格体元对象编解码存储表示的换算;其次,采用伽罗华有限域理论,构建了网格体元的二进制编码矩阵和存储的低计算量优化算法,实现了体元对象编解码存储过程中的优化计算;最后,以某矿山的矿床空间块体数据为例,对网格体元编解码模型、存储表示换算以及低计算量优化算法进了实际应用,并与八叉树索引结构的Morton码进行比较和分析,结果表明:该方法可有效降低30%的编解码存储计算量,提高了存储网格体元对象的时空效率。

基于直接体绘制的三维数据场交互可视化系统SinoVis

文中描述了基于直接体绘制的三维数据场交互可视化系统SinoVis的系统设计框架与具体实现。SinoVis是一个纯软件的可视化分析系统,SinoVis绘制的图像精细,可视化参数的设置与调整方便灵活,可以在任意选择的体元分类转移函数下对规模为1283～2563的体数据实现高速交互绘制,在相当广泛的研究与工程领域里有潜在的应用价值。

面向地质应用的三维数据模型研究

对目前国内外常用的两类三维数据模型———基于面的数据模型和基于体的数据模型进行了综述。在此基础上提出了一种新的三维数据模型———基于TIN的不规则五面体模型 ,给出其定义 ,并着重介绍了实现的关键技术。

医学体绘制的一种快速光线投射算法(英文)

针对医学体数据场的直接体绘制(DVR)的加速算法进行了讨论。基于体绘制的多种加速技术,利用格雷厄姆求凸壳算法和与平面簇求交算法对体数据场和投射光线进行裁剪,结合多边形的扫描线转换和投射光线的离散化、体素化,改进了光线投射算法。

机载激光扫描数据粗差剔除新方法

机载激光扫描数据的粗差剔除直接影响后期数据处理的质量,是激光扫描数据处理过程中必要的基础工作。本文在分析现有粗差剔除方法的局限性的基础上提出一种新的粗差剔除方法,利用体素实现原始激光脚点从全局到局域的转换,消除地形起伏对粗差剔除的影响,基于粗差特性分离粗差和目标激光脚点。通过实测数据实验,表明该粗差剔除方法对于任意分布的激光点云适应性强,能够对粗差进行快速定位和有效剔除,解决目前粗差剔除面临的难点问题。

多源数据融合的规则体元分裂三维地质建模方法

针对传统地质建模方法中地层模型表达不精确,地层边界存在锯齿现象和模型数据量大,不能在Web端流畅加载和渲染等问题,提出了一种基于规则体元分裂的三维地质建模方法。该方法首先利用地质勘察中的钻孔与地质剖面资料进行数据转换融合,通过插值算法加密地层矢量点,然后构建规则体元并进行体元类划分,设计5种不同的规则体元分裂类型,与此同时进行体元分裂模型的数据结构设计,并通过Three.js对不规则体元数据结构进行解析和展示。在此基础上,以郑州市某区域的勘测资料为基础数据构建了三维地质模型,并进行了Web端可视化。试验证明,所构建的模型能够精确、光滑地表达不同地层结构,且能够在浏览器中实现地质体内部信息的快速渲染、空间查询和分析。

基于双层次八叉树的STL模型体素化方法

为满足五轴加工仿真系统与CAD系统的模型数据交换需求,提供高效的复杂初始毛坯建模方式,提出一种面向STL模型的体素化方法。改进了传统的八叉树模型,采用外部层次树型和内部线性的双层次结构表达实体空间,并给出了该双层次八叉树模型的编码计算规则。以STL模型三角面片为体素化对象,通过编码规则建立三角面片和STL实体内部空间与体素节点的映射关系,实现表面和内部体素的快速定位。通过实例证明了算法能够保证生成体素模型的26-邻接性,实验结果表明,与传统的八叉树模型相比,该算法具有更好的时间和空间性能。

基于机载LiDAR全波形数据白桦林林分LAI反演研究

为提高森林叶面积指数(LAI)的估测精度,本研究以白桦林为研究对象,以机载激光雷达(LiDAR)全波形数据为研究数据,首先提出了机载LiDAR全波形数据读取与波形特征信息提取的相关算法,结合具体算法的实现分析出每条全波形对应的各波形分量的能量信息,然后依据波形能量信息在传统激光穿透指数(LPI)计算的基础上结合全波形数据的特点,计算出全波形激光穿透指数(LPIfi),最后获得样地体元激光穿透指数(LPIf-mean),用于估测森林林分LAI,并将估测结果与机载LiDAR离散回波点云数据估测森林LAI的结果进行了对比。结果表明,全波形样地体元激光穿透指数LPIf-mean与森林林分LAI之间的建模精度R^2=0.815,RMSE=0.105,预测精度R^2=0.864,RMSE=0.139,同时在同等样地尺度下,全波形数据返回脉冲能量信息估测森林LAI的精度要高于离散回波点云数据的,因而,基于机载LiDAR全波形数据能够实现森林林分LAI的高精度反演。可以为进一步森林生态参数模拟与估测提供高精度的基础数据,弥补和提供了机载LiDAR全波形数据估测森林LAI的方法和思路。

基于等值面构造的CT图像三维重构

现代医学图像与计算机技术的发展以及它们之间的相互融合。使得基于CT的快速成型制造和三维可视化医学辅助系统的设计与开发成为现实。针对医学CT图像三维重建的关键技术,分析并利用等值面构造法进行CT图像的三维构造。分析了标准MC算法计算量大且不易实现的不足,并把SMC(special MC)算法应用到医用螺旋CT图像上进行三维重建。对两种算法进行了实例验证与比较。

彩色体三维显示系统中的体素绘制与仿真处理

采用小尺寸、高亮度、全彩色发光二极管(LED)作为体像素建立彩色体三维显示系统,可提供Φ850mm×640mm的柱状显示空间,屏幕分辨率为320×256,体素总数最多可达2亿.为了更好地分析系统的性能及显示效果,建立了相应的数据处理及仿真软件.利用3DSMAX生成具有表面纹理的三维模型,3ds文件及BMP文件作为软件数据源.原始数据被体素化后获得体素点的颜色信息,经换算后可转化为LED驱动电路的电信号用于实际显示.同时运用OpenGL实现体素数据的仿真,仿真结果表明:在系统的硬件水平下对不同彩色模型均可达到较好的显示效果.对相同模型进行体素化处理,其结果表明:提高显示屏的分辨率可明显改善显示质量;在一定的二维截面数范围之内,提高二维截面数可提高显示质量.