📄Работа №187843
Тема: АЛГОРИТМЫ СЕГМЕНТАЦИИ ПО ДАННЫМ ЛАЗЕРНОГО СКАНИРОВАНИЯ
Тип работы
Дипломные работы, ВКР
Предмет
Информатика и вычислительная техника
Объем:
47 листов
Год:
2023
Просмотров:
55
4250
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Реферат
ВВЕДЕНИЕ 3
1 Теоретический обзор 5
1.1 Лазерное сканирование 5
1.2 Алгоритмы сегментации 9
1.3 Алгоритмы кластеризации 13
1.4 Сравнительный анализ алгоритмов сегментации 18
1.5 Инструменты для сегментации 23
2 Практическая часть 25
2.1 Выбор метода кластеризации для реализации алгоритма сегментации .. 25
2.2 Фильтрация данных 30
2.3 Результаты работы алгоритма сегментации 31
2.4 Руководство пользователя 34
ЗАКЛЮЧЕНИЕ 37
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 38
ВВЕДЕНИЕ 3
1 Теоретический обзор 5
1.1 Лазерное сканирование 5
1.2 Алгоритмы сегментации 9
1.3 Алгоритмы кластеризации 13
1.4 Сравнительный анализ алгоритмов сегментации 18
1.5 Инструменты для сегментации 23
2 Практическая часть 25
2.1 Выбор метода кластеризации для реализации алгоритма сегментации .. 25
2.2 Фильтрация данных 30
2.3 Результаты работы алгоритма сегментации 31
2.4 Руководство пользователя 34
ЗАКЛЮЧЕНИЕ 37
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 38
📖 Введение
Тема алгоритмов сегментации по данным лазерного сканирования интересна по причине областей ее использования, и одной из ключевых областей является проектирование дорог. Как известно, в нашей стране многообразие климатических зон, поэтому геодезия и правильное проектирование является неотъемлемой частью качественных дорог. И именно лазерное сканирование является мощным, точным, быстрым и современным инструментом в работах, осуществляемых в данной области.
Актуальность данной работы заключается в необходимости эффективных алгоритмов сегментации. Перед применением классификации к облаку точек необходимо выделить отдельные сегменты, как правило представляющие собой отдельные объекты, что является важной задачей. Поэтому существует необходимость в эффективных алгоритмах сегментации.
Целью работы является разработка алгоритма сегментации на основе методов кластеризации и фильтрации данных.
Для достижения данной цели были поставлены следующие задачи:
1) Изучение предметной области и существующих алгоритмов сегментации и кластеризации;
2) Сравнение результатов работы существующих алгоритмов кластеризации;
3) Фильтрация данных для удаления шумовых выбросов;
4) Выбор подходящего метода кластеризации и его применение;
5) Визуализация полученных результатов.
Объектами данного исследования являются данные, полученные посредством лазерного сканирования .
Для более полного понимания темы в работе будет рассмотрен процесс лазерного сканирования подробнее. Лазерное сканирование - это метод получения точных трехмерных изображений поверхности объекта с помощью лазерного луча. В процессе сканирования лазерный луч отражается от поверхности объекта и возвращается к сканеру, где измеряется время, за которое луч прошел до поверхности и вернулся обратно. Эти данные затем используются для создания точных трехмерных моделей объектов.
Полученные данные в виде облака точек могут содержать множество объектов и поверхностей, что делает задачу сегментации крайне важной для дальнейшей обработки и использования данных. Существует множество алгоритмов сегментации, которые могут быть применены к данным лазерного сканирования.
Примеры применения сегментации по данным лазерного сканирования в различных областях включают создание точных 3D -моделей зданий и сооружений для архитектурных проектов, создание точных карт местности для геодезических и геологических исследований, а также создание точных моделей деталей для проектирования в машиностроении.
В работе будут предложены рекомендации по выбору наиболее подходящего алгоритма сегментации для конкретной задачи, а также возможные направления дальнейших исследований в этой области. Одним из возможных направлений исследований может быть разработка новых методов сегментации, которые будут более эффективны в обработке данных лазерного сканирования, особенно в случаях, когда объекты имеют сложную форму или содержат множество поверхностей.
Актуальность данной работы заключается в необходимости эффективных алгоритмов сегментации. Перед применением классификации к облаку точек необходимо выделить отдельные сегменты, как правило представляющие собой отдельные объекты, что является важной задачей. Поэтому существует необходимость в эффективных алгоритмах сегментации.
Целью работы является разработка алгоритма сегментации на основе методов кластеризации и фильтрации данных.
Для достижения данной цели были поставлены следующие задачи:
1) Изучение предметной области и существующих алгоритмов сегментации и кластеризации;
2) Сравнение результатов работы существующих алгоритмов кластеризации;
3) Фильтрация данных для удаления шумовых выбросов;
4) Выбор подходящего метода кластеризации и его применение;
5) Визуализация полученных результатов.
Объектами данного исследования являются данные, полученные посредством лазерного сканирования .
Для более полного понимания темы в работе будет рассмотрен процесс лазерного сканирования подробнее. Лазерное сканирование - это метод получения точных трехмерных изображений поверхности объекта с помощью лазерного луча. В процессе сканирования лазерный луч отражается от поверхности объекта и возвращается к сканеру, где измеряется время, за которое луч прошел до поверхности и вернулся обратно. Эти данные затем используются для создания точных трехмерных моделей объектов.
Полученные данные в виде облака точек могут содержать множество объектов и поверхностей, что делает задачу сегментации крайне важной для дальнейшей обработки и использования данных. Существует множество алгоритмов сегментации, которые могут быть применены к данным лазерного сканирования.
Примеры применения сегментации по данным лазерного сканирования в различных областях включают создание точных 3D -моделей зданий и сооружений для архитектурных проектов, создание точных карт местности для геодезических и геологических исследований, а также создание точных моделей деталей для проектирования в машиностроении.
В работе будут предложены рекомендации по выбору наиболее подходящего алгоритма сегментации для конкретной задачи, а также возможные направления дальнейших исследований в этой области. Одним из возможных направлений исследований может быть разработка новых методов сегментации, которые будут более эффективны в обработке данных лазерного сканирования, особенно в случаях, когда объекты имеют сложную форму или содержат множество поверхностей.
✅ Заключение
В данной работе было рассмотрено лазерное сканирование, а также алгоритмы сегментации и кластеризации с целью ознакомления с уже имеющимися алгоритмами для выбора наиболее подходящего алгоритма кластеризации в реализации алгоритма сегментации.
В результате был проведен сравнительный анализ алгоритмов кластеризации RANSAC, ICP, DBSCAN, Mean Shift, K-means, Watershed, после анализа преимуществ и недостатков каждого выбран алгоритм Mean Shift для дальнейшей реализации алгоритма сегментации.
Реализована функция фильтрации входных данных для удаления шумовых выбросов с целью улучшения качества результатов работы разрабатываемого алгоритма сегментации.
В результате работы, реализован алгоритм сегментации по данным лазерного сканирования с использованием алгоритма кластеризации Mean Shift с предварительной фильтрацией данных. Результаты работы полученного алгоритма сегментации визуализированы.
В результате был проведен сравнительный анализ алгоритмов кластеризации RANSAC, ICP, DBSCAN, Mean Shift, K-means, Watershed, после анализа преимуществ и недостатков каждого выбран алгоритм Mean Shift для дальнейшей реализации алгоритма сегментации.
Реализована функция фильтрации входных данных для удаления шумовых выбросов с целью улучшения качества результатов работы разрабатываемого алгоритма сегментации.
В результате работы, реализован алгоритм сегментации по данным лазерного сканирования с использованием алгоритма кластеризации Mean Shift с предварительной фильтрацией данных. Результаты работы полученного алгоритма сегментации визуализированы.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.