大论文基本框架

基于深度学习的3D点云语义分割方法研究

第1章 绪论

1.1 研究背景与研究意义

1.2 国内外研究现状

1.2.1 传统的无监督点云分割方法

1.2.2 基于监督机器学习的点云分割方法

1.2.3 基于深度学习的点云分割方法

1.3 面临的问题与挑战

1.4 主要研究内容与结构安排

1.4.1 主要研究内容

1.4.2 本文结构安排

第2章 基于深度学习的3D点云语义分割概述

2.1 3D点云数据

2.1.1 点云数据的获取

2.1.2 点云数据的特性

2.2 深度学习关键技术回顾

2.2.1 卷积神经网络

2.2.2 编码器-解码器结构

2.2.3 注意力机制

2.3 3D点云语义分割经典深度学习网络模型

2.3.1 PointNet/PointNet++

2.3.2 RandLA-Net

2.3.3 PointNeXt

2.4 数据集及评价指标

2.4.1 基准数据集

2.4.2 分割精度评价指标

2.5 本章小结

第3章 基于全局特征增强的细分邻域点云语义分割模型

3.1 引言

3.2 邻域细分模块

3.2.1 协方差增强通道注意力

3.2.2 伪Non-Local空间注意力

3.3 实验过程与结果分析

3.3.1 实验数据集

3.3.2 实验环境与网络参数设置

3.3.3 S3DIS数据集实验结果分析

3.3.4 ScanNet数据集实验结果分析

3.4.5 消融实验与模型复杂度分析

3.4 本章小结

第4章 基于局部-全局特征的点信息增强聚合点云语义分割模型

4.1 引言

4.2 点信息增强聚合网络

4.2.1 局部特征增强编码

4.2.2 池化交叉注意力

4.3 实验过程与结果分析

4.3.1 实验数据集

4.3.2 实验环境与网络参数设置

4.3.3 S3DIS数据集实验结果分析

4.3.4 ScanNet数据集实验结果分析

4.4.5 消融实验

3.4 本章小结

第5章 总结与展望

5.1 本文工作总结

5.2 未来工作展望