基于卷积自编码网络的杆塔点云数据自动分类方法

• 作者: 赵李强
• 来源期刊: 云南电力技术
• 关键词: 深度学习 卷积神经网络 自编码网络 无监督聚类 EM聚类
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: "人工智能技术电力研究与应用"专栏
• 页码范围: 8-11
• 页数: 4页
• 字数: 2121字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7345.2020.01.002

摘要

在输电线路三维可视化自动建模场景中如何实现对杆塔的三维点云数据进行快速准确的自动化分类是一个关键问题,在本文中我们提出了一种基于卷积自编码神经网络CAE的杆塔三维点云数据自动分类算法.首先,我们通过投影计算得到杆塔点云的旋转角度并使用旋转矩阵将杆塔点云摆正,然后进行正面侧面投影获取到杆塔点云的图像;第二,使用收集到的杆塔点云图像组成训练数据集,对卷积自编码网络进行训练之后提取出自编码网络的编码部分用于对图像进行特征提取;第三,使用自编码器对输入的杆塔点云图进行特征抽取,将提取的图像特征向量输入EM进行自动分类.实验结果表明我们所提出的杆塔点云自动分类算法能够快速准确实现对点云数据的自动化分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵李强		2	0	0.0	0.0