基于图像的三维预测及其在水利枢纽中的应用
为了解决传统基于图像的三维重建中鲁棒性较差、信息获取效率低下的问题,使用了卷积神经网络(convolutional neural networks,CNN),将基于区域的掩模卷积网络(region-based convolutional network method,Mask R-CNN)和图卷积(graph con-volutional network,GCN)联合实现三维重建,其中Mask R-CNN完成二维感知GCN实现三维形状推断,该方法不需要进行特征提取与匹配以及复杂的几何运算.通过实验验证了该方法的可行性,采用倒角距离(chamfer distance)及法向量距离作为评价指标与基线系统进行了比较,实验显示,倒角距离缩小了0.2～2.238,法向量距离增大了10.11～36.03,体现了优异性.以水利枢纽图作为实例进行三维重建,为稀疏信息及实例图的三维建模提供了新的思路.
掩模卷积网络、图卷积、二维感知、三维预测、实例图
16
TP391(计算技术、计算机技术)
连云港市"521工程"资助项目LYG52105-2018036
2021-04-23（万方平台首次上网日期，不代表论文的发表时间）
共5页
307-311
