三維模型分類是三維研究領(lǐng)域的一個(gè)重要研究課題,本課題的研究依托于國家自然科學(xué)基金“3D形變體的保測變換與稀疏流形嵌入識(shí)別方法研究”。本文以三維模型為目標(biāo),重點(diǎn)探究不同類別三維模型的分類算法,我們改進(jìn)了基于全景圖的DeepPano[36]和PANORAMA-NN[37]以及基于多視角二維渲染圖的MVCNN[39]深度學(xué)習(xí)算法,在基準(zhǔn)數(shù)據(jù)集——ModelNet10和ModelNet40上均提高了分類準(zhǔn)確率,具體工作有:·基于全景圖的三維模型分類。全景圖能夠很大程度地表現(xiàn)整個(gè)模型的外圍信息,因此利用全景特征進(jìn)行分類是不可缺少的實(shí)驗(yàn)環(huán)節(jié)。本文在DeepPano和PANORAMA-NN算法基礎(chǔ)上,通過改變輸入方式和整體網(wǎng)絡(luò)結(jié)構(gòu),提升了算法的分類準(zhǔn)確率。我們先通過全景圖生成算法,得到每個(gè)模型基于X軸、Y軸、Z軸和XYZ軸結(jié)合的全景圖,然后分別送入修改過的網(wǎng)絡(luò),最終發(fā)現(xiàn)XYZ軸拼接的全景圖效果最好,所以以此方式用于分類研究�！とS模型點(diǎn)云上采樣與關(guān)鍵點(diǎn)檢測。關(guān)鍵點(diǎn)的選擇對三維模型分類準(zhǔn)確率起著決定性因素,它能夠反映模型的關(guān)鍵信息。本文先將原始模型轉(zhuǎn)化成一定大小的體素形式,然后再轉(zhuǎn)回網(wǎng)格,以實(shí)現(xiàn)點(diǎn)云的...

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于傳統(tǒng)特征的三維模型研究現(xiàn)狀
        1.2.2 基于深度學(xué)習(xí)的三維模型研究現(xiàn)狀
    1.3 三維模型數(shù)據(jù)集
    1.4 論文研究內(nèi)容
    1.5 論文結(jié)構(gòu)安排
第二章 基于全景圖的三維模型分類
    2.1 全景圖生成方法
        2.1.1 全景圖生成原理
        2.1.2 全景圖生成算法
        2.1.3 全景圖生成結(jié)果
    2.2 網(wǎng)絡(luò)結(jié)構(gòu)
    2.3 實(shí)驗(yàn)結(jié)果分析
    2.4 本章小結(jié)
第三章 三維模型的點(diǎn)云上采樣與關(guān)鍵點(diǎn)檢測
    3.1 三維模型點(diǎn)云上采樣
        3.1.1 上采樣算法
        3.1.2 上采樣可視化
    3.2 三維模型關(guān)鍵點(diǎn)檢測
        3.2.1 基于曲率的關(guān)鍵點(diǎn)檢測
        3.2.2 基于面積的關(guān)鍵點(diǎn)檢測
        3.2.3 決策融合
    3.3 本章小結(jié)
第四章 基于Spin Image的三維模型分類
    4.1 Spin Image生成方法
        4.1.1 Spin Image原理
        4.1.2 Spin Image的生成
    4.2 網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
第五章 基于多特征融合的三維模型分類
    5.1 灰度圖生成方法
        5.1.1 灰度圖生成算法
        5.1.2 灰度圖可視化
    5.2 深度圖生成方法
        5.2.1 深度圖生成算法
        5.2.2 深度圖可視化
    5.3 多特征融合網(wǎng)絡(luò)結(jié)構(gòu)
    5.4 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
碩士在讀期間科研成果
致謝



本文編號：3992778