| Περίληψη: | Τα 3D point cloud, λόγω της απλότητας και ευελιξίας που διαθέτουν, αποτελούν συχνή επιλογή αναπαράστασης για πολλές εφαρμογές υπολογιστικής όρασης και γραφικών, και έτσι η δυνατότητα υψηλής ποιότητας ανακατασκευής τους καθίσταται ζωτικής σημασίας. Καθώς οι λύσεις τρισδιάστατης σάρωσης γίνονται ολοένα και πιο δημοφιλείς, έχουν αναπτυχθεί αρ- κετές αρχιτεκτονικές βαθιάς μάθησης με σκοπό την ολοκλήρωση ημιτελών σαρώσεων. Το σύστημα που αναπτύχθηκε στα πλαίσια αυτής της διπλωματικής εργασίας αποτελείται από ένα νευρωνικό δίκτυο δομής αυτοκωδικοποιητή και είναι ένα πλήρες σύστημα ολοκλήρωσης υψηλής ανάλυσης αραιών και ημιτελών point cloud, το οποίο παρέχει καλύτερα αποτελέσμα- τα από ογκομετρικές μεθόδους ολοκλήρωσης, έχοντας λιγότερες παραμέτρους δικτύου. Ο κωδικοποιητής χρησιμοποιεί έναν τελεστή τοπικής συνέλιξης 3D σημείων ο οποίος δέχεται μια γειτονιά σφαίρας και την επεξεργάζεται με βάρη που έχουν χωρικά τοποθετηθεί ως ένα μικρό σύνολο σημείων πυρήνα. Με τον τρόπο αυτό λαμβάνονται υπ ́ όψιν και κωδικοποιούνται αποδοτικά τοπικές χωρικές σχέσεις των δεδομένων, σε αντίθεση με ήδη υπάρχουσες δομές κωδικοποιητών για ολοκλήρωση σχημάτων, οι οποίες χρησιμοποιούν καθολική εμβέλεια κατά την εξαγωγή χαρακτηριστικών. Ο συγκεκριμένος τελεστής συνέλιξης διαθέτει δύο παραλλα- γές, την άκαμπτη και την παραμορφώσιμη, από τις οποίες η παραμορφώσιμη είναι ικανή στο να προσαρμόζεται στην τοπική γεωμετρία του σχήματος με εκπαιδεύσιμες μετατοπίσεις των σημείων πυρήνα. Επιπλέον χρησιμοποιείται μια μέθοδος τακτικής υποδειγματοληψίας σημείων εισόδου ανά επίπεδο η οποία σε συνδυασμό με την γειτονιά σφαίρας παρέχεται στο σύστη- μα ευρωστία σε θόρυβο και διαφορές πυκνότητας. Ο αποκωδικοποιητής του υλοποιημένου συστήματος αποτελεί υβριδική δομή που συνδυάζει τα πλεονεκτήματα πλήρως συνδεδεμένων επιπέδων και τελεστών αναδίπλωσης, παράγοντας έξοδο πολλαπλών επιπέδων ανάλυσης.
Το υλοποιημένο μοντέλο εκπαιδεύτηκε σε οχτώ κατηγορίες αντικειμένων του συνόλου δεδομένων ShapeNet2048 και αξιολογήθηκε εκτενώς σε συνθετικά μοντέλα καθώς και σε δε- δομένα σάρωσης αισθητήρων, και καθίσταται υποψήφιο για ταχύτατη ολοκλήρωση εξαιρετικά αραιών, πραγματικών δεδομένων αισθητήρα. Επιπλέον το μοντέλο ως ενσωματωμένη μονάδα σε ευρύτερο σύστημα, εκτιμήθηκε ικανό στο να βελτιώσει τα αποτελέσματα εφαρμογών, στις οποίες υπάρχει ανάγκη για πιο ολοκληρωμένες εισόδους. Στην συγκεκριμένη εργασία η μέθο- δος εφαρμόστηκε για επίλυση προβλημάτων στοίχισης point cloud και ανάκτησης όμοιου μοντέλου.
|
|---|
