基于深度学习的目标识别和序列图像三维重建技术研究

发布时间：2020-12-27 01:03

　　近年来小型无人机在气象探测、地图测绘、交通管制和地质勘测等领域有广泛的应用价值。与此同时层出不穷的新技术每天都在冲击和改变我们的生活,深度学习在图形图像应用方面的研究异常火爆。本论文针对图像处理方面,基于无人机机载摄像头拍摄的图像,探讨对物体的识别和物体三维重建的问题。一方面利用改进的神经网络目标识别算法提高了识别精度;另一方面基于改进的AKAZE算法的三维重建算法,提升了三维重建的速度。本文的具体工作内容如下:1.研究了基于神经网络的目标识别R-CNN系列算法和YOLO系列算法,YOLO系列具有较高的检测精度和检测速度。依据本论文实时性和精确性的要求,本文采用YOLO系列的简化版YOLOv3-Tiny算法。针对该算法不能对行车目标精确识别的问题,本论文首先选取KITTI数据集（其中包含行车样本）,利用聚类方法选取适合识别各类车型的预设候选框;改变网络的输入图像像素大小;并对网络结构进行改进。实验结果表明,改进之后的算法可以在满足实际环境中行车目标识别的实时性的情况下提高原算法的精确度。2.研究了传统多视图三维重建算法SFM,讨论了经典的SIFT和AKAZE算法,针对SIFT算法提取特... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

RANSAC算法匹配图

输入图像示例

IOU与k的关系图

【参考文献】：
期刊论文
[1]基于改进的SIFT算法的图像配准方法[J]. 周佳欣,徐梦云,刘建全.  工业控制计算机. 2019(05)
[2]基于视觉的目标识别中改进SIFT算法研究[J]. 马庭田,叶文华,黄河,郭云霞.  机械制造与自动化. 2019(02)
[3]一种面向图像拼接的改进PCA-SIFT算法[J]. 杨炳坤,程树英,郑茜颖.  微电子学与计算机. 2018(12)
[4]一种改进的卷积神经网络行人识别方法[J]. 陈聪,杨忠,宋佳蓉,韩家明.  应用科技. 2019(03)
[5]基于无人机影像的非增量式多视图几何三维重建研究[J]. 梁山军,王仁驹,杨诚.  北京测绘. 2018(09)
[6]无人机倾斜摄影三维模型精度分析[J]. 杜猛,刘威,朱钊.  山西建筑. 2018(20)
[7]改进的YOLOv3红外视频图像行人检测算法[J]. 王殿伟,何衍辉,李大湘,刘颖,许志杰,王晶.  西安邮电大学学报. 2018(04)
[8]人工智能在计算机网络技术中的应用探究[J]. 胡传迅.  安徽电子信息职业技术学院学报. 2018(03)
[9]城市真三维地图制作关键技术探讨[J]. 陈亚历.  测绘与空间地理信息. 2018(05)
[10]一种基于Faster R-CNN的车辆检测算法[J]. 韩凯,张红英,王远,徐敏.  西南科技大学学报. 2017(04)

硕士论文
[1]基于无人机序列图像的多视图几何三维重建[D]. 黄炯荣.东华理工大学 2018
[2]基于深度学习的图像目标识别研究[D]. 陈志韬.哈尔滨工程大学 2018
[3]基于3DMAX城市三维建模与精度的研究[D]. 刘莎.兰州交通大学 2015
[4]图像三角网格化算法的研究与实现[D]. 付民.华中科技大学 2010



本文编号：2940792