| 题名 | 基于机器学习的室内三维点云质量评价; Quality Assessment of Indoor Point Clouds Based on Machine Learning |
| 作者 | 黄芳芳 |
| 答辩日期 | 2016-12-23 ; 2016-05-18 |
| 导师 | 程明副教授 |
| 关键词 | 点云 质量评价 机器学习 室内移动测图 Point clouds Quality assessment Machine learning Indoor mobile mapping |
| 英文摘要 | 在虚拟现实、机器人领域以及数字文化遗产等方面应用中，室内三维模型是不可或缺的数据来源。但是，由于室内环境具有近距离、易遮挡、光照复杂、缺乏绝对定位等特点，所获取的室内移动测图点云难以避免地存在质量下降的问题。为了能够针对不同的降质情况采取不同的有效修补措施，从而得到高质量的点云数据，首先对降质的点云数据进行质量评价就显得尤为重要。然而，由于点云质量具有局部性和多样性等特点，获取可供质量评价建模的标记样本可能需要耗费大量的人力物力。点云质量评价的另一个困难是无法获得或很难获得参考的未降质的点云数据，因此是无参考条件下的质量评价。针对上述存在的问题，本文的主要研究内容将从以下三个方面展开： 首先...; Indoor 3D models are essential sources in acquiring information for many applications such as virtual reality, robot technology, and cultural heritage protection. However, the quality and accuracy of creating an indoor 3D model are influenced by the quality of data collected from the real world. Causes of data degradation include the close range, easy to keep out, uneven illumination distribution,...; 学位：工学硕士; 院系专业：信息科学与技术学院_计算机科学与技术; 学号：23020131153158 |
| 语种 | zh_CN |
| 出处 | http://210.34.4.13:8080/lunwen/detail.asp?serial=55034 |
| 内容类型 | 学位论文 |
| 源URL | [http://dspace.xmu.edu.cn/handle/2288/135025]  |
| 专题 | 信息技术－学位论文 |
| 推荐引用方式 GB/T 7714 | 黄芳芳. 基于机器学习的室内三维点云质量评价, Quality Assessment of Indoor Point Clouds Based on Machine Learning[D]. 2016, 2016. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论