.png){kind=icon}
返回
Optimizing 3D Point Cloud Reconstruction Through Integrating Deep Learning and Clustering Models
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14020399.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
3D摄影测量点云中的噪声——无论是近距离采集还是无人机生成的——对数字模型的精度和可用性构成了显著挑战。本研究提出了一种基于深度学习的新型方法，通过解决该问题来提升点云质量。我们提出了一种两步法：首先，变分自编码器（variational autoencoder）进行特征降维，随后采用聚类模型评估并缓解点云中的噪声。本研究基于摄影测量参数、重投影误差、投影精度、相交角度、距离以及用于连接点计算的相机数量，评估了四种聚类方法——k-means、凝聚层次聚类（agglomerative clustering）、谱聚类（Spectral clustering）和高斯混合模型（Gaussian mixture model）。该方法通过意大利帕埃斯图姆（Paestum）的尼普顿神庙（Temple of Neptune）的点云数据进行了验证。结果表明，所提出的方法显著提升了3D重建质量，在三项评估指标上，k-means优于其他聚类技术。该方法与传统及机器学习技术相比，展现出更优的通用性和性能，显示出其增强无人机测绘与检测实践的潜力。
Keyword:
artificial intelligence
structure from motion
accuracy enhancement
machine learning
3D digital survey
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
Thermographic inspections of solar photovoltaic plants in India using Unmanned Aerial Vehicles: Analysing the gap between theory and practice使用无人机对印度太阳能光伏电站进行热成像检查: 分析理论与实践之间的差距.png)
RENEWABLE ENERGY
RENEWABLE ENERGYIF9.1
PREAI
分享收藏Geometric information constraint 3D object detection from LiDAR point cloud for autonomous vehicles under adverse weather恶劣天气下基于几何信息约束的自主车辆激光雷达点云三维目标检测
OAAI
OAAI分享收藏AN EFFECTIVE APPROACH FOR POINT CLOUD DENOISING IN INTEGRATED SURVEYS一种用于集成测量中点云去噪的有效方法The International Archives of the Photogrammetry, Remote Sensing and Spatial Information SciencesOAAI
The International Archives of the Photogrammetry, Remote Sensing and Spatial Information SciencesIF0
OAAI分享收藏Documentation and management of complex 3D morphologies through digital technology通过数字技术对复杂3D形态进行文档记录与管理Acta IMEKOOAAI
Acta IMEKOIF0
OAAI分享收藏
查看更多内容