Нейросетевая сегментация данных лазерной сканирующей системы
DOI:
https://doi.org/10.22213/2413-1172-2017-3-125-129Ключевые слова:
нейронные сети, облака точек, сегментация данных, лазерная сканирующая системаАннотация
Выделение объектов и их сопровождение является одной из перспективных и быстро развивающихся областей технического зрения, применяющейся в различных системах. Неотъемлемой частью таких систем является кластеризация и сегментация данных. В данной статье представлен краткий обзор алгоритмов сегментации данных, полученных с помощью 2D лазерных сканирующих систем. Слабым звеном таких алгоритмов является сегментация близко расположенных объектов. Для лучшего выделения сегментов предложено использование данных дальности вместе со значениями интенсивности отраженного сигнала соответствующих измерений. Для комплексирования данных предложено использование нейросети, являющейся удобным инструментом при кластеризации и сегментации зашумленных и сложнокоррелируемых данных. В работе используется одна из наиболее распространенных и изученных моделей - многослойный персептрон. Представлена архитектура полученной сети, методика обучения и интерпретирование выходных для сегментирования облака двумерных точек. Результаты данного исследования могут быть использованы не только в задачах сегментации облаков точек, но и при решении задач построения карт, для выделения особых точек при анализе двумерных облаков точек, построения систем сопровождения объектов.Библиографические ссылки
Video segmentation by tracking many figure-ground segments / F. Li [et al.] // Proceedings of the IEEE International Conference on Computer Vision. - 2013. - P. 2192-2199.
Ochs P., Malik J., Brox T. Segmentation of moving objects by long term video analysis // IEEE transactions on pattern analysis and machine intelligence. - 2014. - Vol. 36, No. 6. - P. 1187-1200.
Fully automated segmentation and tracking of the intima media thickness in ultrasound video sequences of the common carotid artery / D. E. Ilea [et al.] // IEEE transactions on ultrasonics, ferroelectrics, and frequency control. - 2013. - Vol. 60, No. 1. - P. 158-177.
Yao W., Hinz S., Stilla U. Object extraction based on 3d-segmentation of lidar data by combining mean shift with normalized cuts : Two examples from urban areas // Urban Remote Sensing Event. - 2009 Joint. - P. 1-6.
Rubio D. O., Lenskiy A., Ryu J. H. Connected Components for a Fast and Robust 2D Lidar Data Segmentation // Modelling Symposium (AMS). - 2013, 7th Asia. - IEEE, 2013. - P. 160-165.
Efficient segmentation of 3d lidar point clouds handling partial occlusion / J. Aue, D. Langer, B. Muller-Bessler, B. Huhnke // Intelligent Vehicles Symposium (IV), 2011 IEEE, 2011. - P. 423-428.
Difference of normals as a multi-scale operator in unorganized point clouds / Y. Ioannou, B. Taati, R. Harrap, M. Greenspan. - ArXiv e-prints, Sep. 2012.
Simultaneous segmentation and superquadrics fitting in laser-range data / R. Pascoal [et al.] // IEEE Transactions on Vehicular Technology. - 2015. - Vol. 64, No. 2. - P. 441-452.
Thuy M., Leon F. P. Non-linear, shape independent object tracking based on 2d lidar data // Intelligent Vehicles Symposium, 2009 IEEE. - IEEE, 2009. - P. 532-537.
Rubio D. O., Lenskiy A., Ryu J. H. Op. cit.
Fast reciprocal nearest neighbors clustering / R. J. López-Sastre [et al.] // Signal Processing. - 2012. - Vol. 92, No. 1. - P. 270-275.
Schuster H. F. Segmentation of lidar data using the tensor voting framework // International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. - 2004. - Vol. 35, No. B3. - P. 1073-1078.
Simultaneous segmentation and superquadrics fitting in laser-range data / R. Pascoal [et al.] // IEEE Transactions on Vehicular Technology. - 2015. - Vol. 64, No. 2. - P. 441-452.
Large-scale video classification with convolutional neural networks / A. Karpathy [et al.] // Proceedings of the IEEE conference on Computer Vision and Pattern Recognition. - 2014. - P. 1725-1732.
Chen Y., Zhao X., Jia X. Spectral-spatial classification of hyperspectral data based on deep belief network // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. - 2015. - Vol. 8, No. 6. - P. 2381-2392.
