期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进SOM-K-Means算法的三维点云分类
被引量:
1
1
作者
邬春学
胡真豪
《智能计算机与应用》
2022年第11期172-179,共8页
针对目前的点云分类是直接将原始点云作为输入并提前预设点云分类数存在的缺陷,本文提出一种改进的方法,在输入前对原始点云进行预处理,对密集的点云降低密度以减少计算量,对稀疏的点云进行三角形内部线性插值以便提取完整的特征,以此...
针对目前的点云分类是直接将原始点云作为输入并提前预设点云分类数存在的缺陷,本文提出一种改进的方法,在输入前对原始点云进行预处理,对密集的点云降低密度以减少计算量,对稀疏的点云进行三角形内部线性插值以便提取完整的特征,以此提高点云分类的精度。将预处理后的点云数据输入SOM-K(K-Means优化的自组织映射神经网络)模型进行聚类,再将聚类后的点云数据并行通过PointNet网络进行点云数据特征的提取,这种先进行聚类后、进行特征提取的方法可以充分保留点云在点云空间中的分布特性,并且不额外增加数据特侦提取的计算时间。
展开更多
关键词
SOM-K-Means算法
三维点云分类
三角形内部线性插值
下载PDF
职称材料
题名
基于改进SOM-K-Means算法的三维点云分类
被引量:
1
1
作者
邬春学
胡真豪
机构
上海理工大学光电信息与计算机工程学院
出处
《智能计算机与应用》
2022年第11期172-179,共8页
文摘
针对目前的点云分类是直接将原始点云作为输入并提前预设点云分类数存在的缺陷,本文提出一种改进的方法,在输入前对原始点云进行预处理,对密集的点云降低密度以减少计算量,对稀疏的点云进行三角形内部线性插值以便提取完整的特征,以此提高点云分类的精度。将预处理后的点云数据输入SOM-K(K-Means优化的自组织映射神经网络)模型进行聚类,再将聚类后的点云数据并行通过PointNet网络进行点云数据特征的提取,这种先进行聚类后、进行特征提取的方法可以充分保留点云在点云空间中的分布特性,并且不额外增加数据特侦提取的计算时间。
关键词
SOM-K-Means算法
三维点云分类
三角形内部线性插值
Keywords
SOM-K-Means algorithm
3D point cloud classification
linear interpolation inside a triangle
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进SOM-K-Means算法的三维点云分类
邬春学
胡真豪
《智能计算机与应用》
2022
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部