Nov, 2023

基于改进的 DPC 算法的点云数据中分割线的自动提取和三维重建

PDF
TL;DR提出了一种点云数据分割改进问题的自动分开和三维重建方法，使用 DPC 算法计算点云数据的相对坐标，开发基于集成的 DPC 群算法分析分割线的数量并拟合每个分隔符，以实现点云数据的清晰分割和 0.45 米的分割间距。
发现论文，激发创造
  • 智能电网中用于电力线路检测的自主点云分割

    利用无人监督机器学习框架，从 LiDAR 数据中检测、提取和分析高低压电力线路以及周围植被的特征，进而进行基于电力线路走廊的危险性分析。

    Aug, 2023

  • 从原始点云重建的 3D 线框图

    PC2WF 是第一个可端到端训练的深度网络架构，用于将三维点云转换成线框模型；该网络把从物体表面抽取的无序三维点作为输入，输出该物体的线框，即由线段连接的稀疏角点。

    Mar, 2021

  • DPC: 基于交叉自身构造的无监督深度点对应

    提出一种新的实时非刚性稠密点云对应的方法 Deep Point Correspondence，该方法基于结构形状构造，需要比以往技术少得多的训练数据并且具有更好的泛化能力。

    Oct, 2021

  • SuperLine3D：自监督 LiDAR 点云线段分割和描述

    基于线特征的 LiDAR 点云点云配准方法通过 EdgeConv 标记线特征，并使用共享编码器层来训练两个分割和描述头，该方法在无初始变换输入的情况下验证了自己的有效性，对于各种计算机视觉任务具有广泛的应用价值。

    Aug, 2022

  • 从三维线云学习构建三维建筑线框图

    利用线云和 Line-Patch Transformer 算法，从多视图图像中提取的 3D 线段，生成建筑物结构线框的三维模型，并与多个基线建筑重建方法进行对比，以此验证本研究提出的方法的有效性。

    Aug, 2022

  • 基于无序点云的快速 3D 线段检测

    本文提出了一种用于大规模无序点云的三维线段检测的简单而高效的算法，基于点云分割和二维线段检测，能够有效地提取三维线段，以消除离群点和合并相邻的三维线段。

    Jan, 2019

  • 深度点云几何压缩的改进

    本文提出了一系列改进点云压缩的方法，包括使用尺度先验模型进行熵编码、采用更深的变换、不同的 focal loss 权重、最优解码阈值和连续模型训练，并通过实验验证这些方法可以带来较好的 BD-PSNR 提升。

    Jun, 2020

  • 基于网格交叉预测的点云表面重建

    通过直接预测采样的点对之间线段与隐式表面的交点，本文提出了一种新的方法，既能够有效地表示开放表面，又能够消除网格中的伪影。在 ShapeNet、MGN 和 ScanNet 三个数据集上，我们的方法展示了最先进的性能。

    Mar, 2024

  • 自动高分辨率电线分割和去除

    本文提出了一种自动电线清理系统，可以在几秒钟内准确、高效地对高分辨率图像中的电线进行分割和去除，并介绍了第一个电线分割基准数据集 WireSegHR。通过定量和定性的实验，证明了该系统能够自动清除电线并具有良好的泛化性。

    Apr, 2023

  • 应用于机器人焊接的无组织三维点云的边缘和角点检测

    本文提出了基于对称性和密度自适应阈值的边缘检测方法和基于聚类曲率向量的角点检测方法，对 RGB-D 语义分割和 3D 模型进行了验证，在机器人焊接的自动化中提出了基于点云的焊缝检测新方法，与 Harris 3D 算法相比证明了其优越性。

    Sep, 2018