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
2
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
基于点云目标检测算法的船体分段合拢面构件识别方法
1
作者
汪骥
柳丛
+3 位作者
李瑞瑞
刘玉君
刘晓
霍世霖
《船舶工程》
CSCD
北大核心
2024年第7期19-25,89,共8页
在船体分段合拢面精度检测方面,三维激光扫描仪相比全站仪具有高效、高精度和操作便捷等优势。但扫描点云往往数据量庞大且会包含大量与设计模型无关的周围空间点,不仅增加运算时间而且影响配准精度。基于显著构件的点云配准方法能解决...
在船体分段合拢面精度检测方面,三维激光扫描仪相比全站仪具有高效、高精度和操作便捷等优势。但扫描点云往往数据量庞大且会包含大量与设计模型无关的周围空间点,不仅增加运算时间而且影响配准精度。基于显著构件的点云配准方法能解决该问题,但实现显著构件的智能识别,还需要一种针对船体分段合拢面构件的智能识别算法。采用深度学习方法,构建一种基于点的、无锚点单阶段目标检测神经网络模型,其适用于船体分段合拢面点云数据,基本实现了对船体分段合拢面上构件的智能识别。使用ADAM优化器对网络进行优化训练,在测试集上获得了平均精确度均值P_(A-m)为64.36%的效果。研究成果可用于改进点云粗配准方法,为实现船体分段合拢面精度的智能高效检测提供帮助。
展开更多
关键词
船体分段合拢面
精度检测
点云
目标检测
深度学习
下载PDF
职称材料
基于PointNet++的船体分段合拢面智能识别方法
被引量:
2
2
作者
陈尚伟
汪骥
+1 位作者
刘玉君
张学晨
《船舶工程》
CSCD
北大核心
2019年第12期138-141,共4页
船体分段合拢面的精度检测是分段总组合拢过程中的重要环节。在船体分段合拢面的精度检测方面,三维扫描仪相对全站仪有着巨大优势,但三维扫描仪在扫描过程中会记录很多与合拢面无关的点。文章对三维扫描仪扫描出的点云数据进行合拢面的...
船体分段合拢面的精度检测是分段总组合拢过程中的重要环节。在船体分段合拢面的精度检测方面,三维扫描仪相对全站仪有着巨大优势,但三维扫描仪在扫描过程中会记录很多与合拢面无关的点。文章对三维扫描仪扫描出的点云数据进行合拢面的智能识别;采用深度学习理论对PointNet++点云网络进行改进,使用CAD模型导出的点云数据构建有标注的船体分段点云数据集,进而使用Adam优化算法对网络进行优化训练。最终,网络模型对分段合拢面的识别在验证集上获得精确率73%、召回率90%的效果。
展开更多
关键词
三维扫描仪
点云
PointNet++
船体分段合拢面
深度学习
下载PDF
职称材料
题名
基于点云目标检测算法的船体分段合拢面构件识别方法
1
作者
汪骥
柳丛
李瑞瑞
刘玉君
刘晓
霍世霖
机构
大连理工大学船舶工程学院
大连理工大学工业装备结构分析优化与CAE软件全国重点实验室
大连理工大学高新船舶与深海开发装备协同创新中心
大连市舰船先进制造技术重点实验室
出处
《船舶工程》
CSCD
北大核心
2024年第7期19-25,89,共8页
基金
国家自然科学基金项目(51979033)。
文摘
在船体分段合拢面精度检测方面,三维激光扫描仪相比全站仪具有高效、高精度和操作便捷等优势。但扫描点云往往数据量庞大且会包含大量与设计模型无关的周围空间点,不仅增加运算时间而且影响配准精度。基于显著构件的点云配准方法能解决该问题,但实现显著构件的智能识别,还需要一种针对船体分段合拢面构件的智能识别算法。采用深度学习方法,构建一种基于点的、无锚点单阶段目标检测神经网络模型,其适用于船体分段合拢面点云数据,基本实现了对船体分段合拢面上构件的智能识别。使用ADAM优化器对网络进行优化训练,在测试集上获得了平均精确度均值P_(A-m)为64.36%的效果。研究成果可用于改进点云粗配准方法,为实现船体分段合拢面精度的智能高效检测提供帮助。
关键词
船体分段合拢面
精度检测
点云
目标检测
深度学习
Keywords
block erection surface
accuracy detection
point cloud
object detection
deep learning
分类号
U671.99 [交通运输工程—船舶及航道工程]
下载PDF
职称材料
题名
基于PointNet++的船体分段合拢面智能识别方法
被引量:
2
2
作者
陈尚伟
汪骥
刘玉君
张学晨
机构
大连理工大学船舶工程学院
出处
《船舶工程》
CSCD
北大核心
2019年第12期138-141,共4页
基金
辽宁省高等学校创新团队项目(LT2014002).
文摘
船体分段合拢面的精度检测是分段总组合拢过程中的重要环节。在船体分段合拢面的精度检测方面,三维扫描仪相对全站仪有着巨大优势,但三维扫描仪在扫描过程中会记录很多与合拢面无关的点。文章对三维扫描仪扫描出的点云数据进行合拢面的智能识别;采用深度学习理论对PointNet++点云网络进行改进,使用CAD模型导出的点云数据构建有标注的船体分段点云数据集,进而使用Adam优化算法对网络进行优化训练。最终,网络模型对分段合拢面的识别在验证集上获得精确率73%、召回率90%的效果。
关键词
三维扫描仪
点云
PointNet++
船体分段合拢面
深度学习
Keywords
3D scanner
point cloud
PointNet++
block erection surface
deep learning
分类号
U671.99 [交通运输工程—船舶及航道工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于点云目标检测算法的船体分段合拢面构件识别方法
汪骥
柳丛
李瑞瑞
刘玉君
刘晓
霍世霖
《船舶工程》
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于PointNet++的船体分段合拢面智能识别方法
陈尚伟
汪骥
刘玉君
张学晨
《船舶工程》
CSCD
北大核心
2019
2
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