声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：郑晗,王宁,马新柱,张宏,王智慧,李豪杰,
关键词：场景流, 点云, 邻域一致性, 置信度, 深度学习,
场景流是连续动态场景之间的3D运动场，广泛应用于机器人技术和自动驾驶任务.现有方法忽略了点云点的相关性，仅关注源点云和目标点云逐点的匹配关系，由于匹配关系完全依赖于点云数据的特征信息，导致在局部特征信息不足的点上准确估计场景流仍然存在挑战.根据源点云相邻点具有相关性的特性，提出NCPUM（neighborhoodconsistencypropagationupdatemethod）方法，在邻域内将场景流从高置信度点向低置信度点传播，从而优化局部特征信息不足点的场景流.具体来说，NCPUM包含2个模块：置信度预测模块，根据场景流先验分布图，预测源点云逐点的置信度；场景流传播模块，根据局部区域一致性的约束更新低置信度点集的场景流.NCPUM在合成数据集Flyingthings3D和真实驾驶场景数据集KITTI上进行评估，准确度上达到了国际先进水平.由于邻域一致性更符合真实激光雷达场景的先验假设，因此在KITTI数据集上的提升更加明显.
来源：2023年第2期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。