10.3969/j.issn.1674-2605.2023.02.004
基于CNN的机器人环境点云分类研究
为解决目前三维点云识别算法存在训练模型计算量较大、算法网络结构复杂的问题,进行基于卷积神经网络(CNN)的机器人环境点云分类研究.首先,在机器人仿真环境中搭建家庭相关物品模拟服务场景,并使用模拟三维激光雷达生成环境点云;然后,将环境点云聚类分割出单个物体的点云簇;接着,利用二维投影法将三维点云数据转化为二维图像信息;最后,利用数据增强技术扩展数据集,并结合改进的LeNet-5卷积神经网络训练识别模型,得到相较于经典的LeNet-5模型更高的精度.实验结果表明,将环境点云先分割成单个物体,再进行分类识别是可行的,并具有一定的应用价值.
机器人环境理解、激光点云、数据增强、卷积神经网络、物体分类
44
TP242(自动化技术及设备)
北京理工大学珠海学院校级科研发展基金XK-2018-10
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
16-21