内容简介:
随着三维激光扫描传感设备硬件的快速发展,可保留三维空间中原始语义信息(几何信息、颜色、反射强度等)的点云已成为代表性的新型数据源之一。语义分割作为三维场景语义分析与解译的重要前提,在无人驾驶、高精地图、智慧城市等国家重大需求的推动下,已成为测绘遥感、计算机视觉等领域的重大研究课题。《点云数据语义分割的理论与方法》以语义分割的理论与方法为研究内容,以点云为研究对象,从点云类型、深度学习基础知识、点云的组织与管理、融合点云与图像的语义分割以及直接基于点云的语义分割等方面进行介绍,是一部多学科交叉、融合的点云语义分割著作。
本书可作为高等院校测绘遥感、卫星导航、计算机视觉、地理信息等学科的教学参考书,也可供科研院所、企业相关专业从业人员参考。
目录:
“导航与时频技术丛书”序
前言
第1章绪论1
参考文献3
第2章点云类型及语义分割方法概述4
2.1引言4
2.2点云类型4
2.2.1激光点云4
2.2.2影像点云13
2.2.3RGB-D点云13
2.2.4结构光点云15
2.2.5其他类型点云15
2.3点云语义分割方法概述18
2.3.1统计分析法18
2.3.2投影图像法21
2.3.3其他传统语义分割方法22
2.3.4二维图像深度学习语义分割方法23
2.3.5三维点云深度学习语义分割方法28
参考文献33
第3章深度学习40
3.1引言40
3.2深度学习技术概述40
3.2.1人工智能、机器学习与深度学习41
3.2.2卷积运算42
3.2.3卷积神经网络工作原理43
3.2.4深度学习框架52
3.3深度学习在计算机视觉中的应用53
3.3.1图像分类53
3.3.2目标检测54
3.3.3语义分割54
3.3.4实例分割55
3.3.5其他应用55
3.4深度学习与三维激光点云的结合56
3.4.1三维激光点云数据的表示形式57
3.4.2三维激光点云数据集的语义标注方法57
3.4.3三维激光点云语义分割存在的挑战58
参考文献58
第4章LiDAR点云的组织与管理61
4.1引言61
4.2两级混合索引结构的确定62
4.2.
...
以下为对购买帮助不大的评价