Abstract: V magistrskem delu obravnavamo razpoznavo drevesnih vrst iz oblakov točk z uporabo novejših nevronskih mrež in primerjamo uspešnost razpoznave s sorodnimi deli. Razpoznavo smo zasnovali na dva različna načina. Pri prvem načinu smo izbrali in pripravili nevronsko mrežo za obdelavo 3D podatkov oz. oblakov točk, medtem ko smo pri drugem načinu izbrali in pripravili nevronsko mrežo za obdelavo 2D podatkov oz. slik. Pripravili smo tudi skupno podatkovno zbirko z združitvijo prosto dostopnih zbirk, ki vsebujejo posamezna drevesa v obliki oblakov točk, in med učenjem obogatili podatke. Po zaključenem učenju s pripravljeno skupno podatkovno zbirko nismo dosegli podobnih zaključkov kot v primerjanem predhodnem delu. V našem primeru je izbrana nevronska mreža, namenjena obdelavi 3D podatkov, dosegla 4 % višjo skupno točnost od izbrane nevronske mreže, ki je obdelovala 2D podatke.Keywords: globoke nevronske mreže, klasifikacija drevesnih vrst, 3D oblaki točk, 2D slike, obogatitev podatkovPublished in DKUM: 01.07.2024; Views: 155; Downloads: 30 Full text (16,54 MB)This document has many files! More...
Abstract: In this paper, we present a new efficient algorithm for reconstruction of nonintersecting 3D curves from a sufficiently den se sample. We use the Euclidean minimal spanning trees to identify line segments reconstructing curve shapes. To deal with more than one curve in a sample and to eliminate noisy data, we introduce chains of connected line segments. With the incremental growth based on heuristics, the chains contain finally curve shapes. The method is robust and fast for both 2D and 3D curves.Keywords: oblaki točk, rekonstrukcija krivulj, evklidska minimalna vpeta drevesa, point cloud, curve reconstruction, euclidean minimal spanning treesPublished in DKUM: 10.07.2015; Views: 2232; Downloads: 42 Link to full text
