TY - JOUR A2 - 贝拉维斯塔，保罗AU - 高，瑞珍AU - 李，小辉AU - 张，张静君PY - 2020 DA - 2020年4月4日TI - 点的识别设置在逼真的场景SP对象 - 4925821 VL - 2020 AB- 随着新的智能传感技术，如3D扫描仪和立体视觉的出现，高质量的点云数据已经变得非常方便，成本更低。三维物体识别的基础上的点云的研究也受到了广泛的关注。点云几何数据结构的一个重要类型。由于其不规则的格式，许多研究者此类数据转换规则三维体素网格或图像集。然而，这可能导致数据并引起问题不必要的体积。在本文中，我们考虑在现实的感官认识对象的问题。我们首先使用欧氏距离聚类方法在逼真的场景段对象。然后，我们使用了深刻的学习网络结构直接提取点云数据的特征来识别的对象。从理论上说，这种网络结构显示出强大的性能。 In experiment, there is an accuracy rate of 98.8% on the training set, and the accuracy rate in the experimental test set can reach 89.7%. The experimental results show that the network structure in this paper can accurately identify and classify point cloud objects in realistic scenes and maintain a certain accuracy when the number of point clouds is small, which is very robust. SN - 1574-017X UR - https://doi.org/10.1155/2020/4925821 DO - 10.1155/2020/4925821 JF - Mobile Information Systems PB - Hindawi KW - ER -