.png)
.png)
Послать статью по эл. почте 
Алгоритм обнаружения озер в облаках точек лидарного изображения на основе трехмерной сверточной нейронной сети
https://doi.org/10.21122/2309-4923-2022-1-9-11
Аннотация
Предлагается алгоритм обнаружения озер в облаке точек лидарного изображения на основе трехмерной сверточной нейронной сети. Контуры озер были извлечены из облаков точек лидарного изображения, а их геометрические характеристики определены с использованием алгоритма цепного кода. Точность предложенного алгоритма идентификации озер по облакам точек лазерного сканирования составила 96,34%. Предлагаемый алгоритм позволяет рассчитывать и анализировать информацию о форме озер.
Об авторе
Шаньшань СюБеларусь
Сю Шаньшань, аспирантка кафедры программного обеспечения информационных технологий
Список литературы
1. Zhou Y, Tuzel O. Voxelnet: end-to-end learning for point cloud based 3D object detection/ Zhou Y, Tuzel O. Proceedings of the 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2018 p. 4490-4499.
2. Uy M. A., Lee G. H. PointNetVLAD: deep point cloud based re-trieval for large-scale place recognition / Uy M.A., Lee G.H. Proceedings of the 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2018 – p. 4470-4479.
3. Qi C.R., Su H., Mo K., et al. PointNet: deep learning on point sets for 3D classification and segmentation/ Qi C.R., Su H., Mo K. Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2017 – p. 77-85.
4. Qi C. R.,Yi L., Su H., et al. PointNet++: deep hierarchical fea-ture learning on point sets in a metric space / Qi C. R., Yi L., Su H Proceedings of the 2017 International Conference on Neural Information Processing Systems. NewYork: Curran Associates Inc., 2017 – p. 5099-5108
5. Wang W., Yu R., Huang Q., et al. SGPN: similarity group pro-posal network for 3D point cloud instance segmentation/ Wang W., Yu R., Huang Q. Proceedings of the 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2018 – p.2569-2578.
6. Shen Y., Feng C., Yang Y., et al. Mining point cloud local structures by kernel correlation and graphpooling / Shen Y., Feng C., Yang Y. Proceedings of the 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2018 p. 45484557.
7. Landrieu L., Simonovsky M. Large-scale point cloud semantic segmentation with superpoint graphs / Landrieu L., Simonovsky M. Proceedings of the 2018IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2018 – p. 45584567.
8. Huang Q., Wang W., Neumann U. Recurrent slice networks for 3D segmentation of point clouds/ Huang Q., Wang W., Neumann U. Proceedings of the 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2018 – p. 26262635.
9. Huang J., You S. Point cloud labeling using 3D convolutional neural network / Huang J., You S. Proceedings of the 3rd International Conference on Pattern Recognition. Piscataway: IEEE, 2016 p.2670-2675.
10. Schnabel R., Wahl R., Klein R. Effi RANSAC for point-cloud shape detection. / Schnabel R., Wahl R., Klein R Computer Graphics Forum, 2007, No. 26(2) – p. 214-226.
11. Whiteson S., Stone P. Evolutionary function approximation for reinforcement learning. / Whiteson S., Stone P. Journal of Machine Learning Research, 2006, No.7 – p. 877-917
12. Nair V., Hinton G.E. Rectifi linear units improve restricted Boltzmann machines / Nair V., Hinton G.E. Proceedings of the 27th International Conference on Machine Learning. Madison: Omnipress, 2010 – p.807-814.
Дополнительные файлы
Для цитирования: Сю Ш. Алгоритм обнаружения озер в облаках точек лидарного изображения на основе трехмерной сверточной нейронной сети. «Системный анализ и прикладная информатика». 2022;(1):9-11. https://doi.org/10.21122/2309-4923-2022-1-9-11
For citation: Shanshan X. Lake detection algorithm in point clouds of the lidar image based on three-dimensional convolutional neural network. «System analysis and applied information science». 2022;(1):9-11. https://doi.org/10.21122/2309-4923-2022-1-9-11
Обратные ссылки
- Обратные ссылки не определены.
