Knowledge base: Warsaw University of Technology

Settings and your account

Back

Point cloud filtering using PointNet's global feature vector

Krzysztof Wilczewski

Abstract

The presented dissertation focuses on possibility to apply a neural network PointNet to downsample point clouds using global feature vectors. It explains the logic behind downsampling and provides reasons for feature extraction operator based filtering. Later, the most used filtering algorithms were described such as VoxelGrid, Farthest Point Sampling or filtering via graphs, specifically their principles of operation. The architecture of PointNet was also analysed and were listed conditions, which point cloud processing neural network has to meet. To compare quality of downsampling, some other metrics were used, besides the ones based on PointNet, but assessment of the quality itself was conducted with DeepSets, another neural network.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Krzysztof Wilczewski (FM) Krzysztof Wilczewski,, Faculty of Mechatronics (FM)
Title in Polish
Filtrowanie chmur punktów za pomocą deskryptów cech PointNetu
Supervisor
Zofia Łabęda-Grudziak (FM/IACR) Zofia Łabęda-Grudziak,, The Institute of Automatic Control and Robotics (FM/IACR)Faculty of Mechatronics (FM)
Certifying unit
Faculty of Mechatronics (FM)
Affiliation unit
The Institute of Automatic Control and Robotics (FM/IACR)
Study subject / specialization
, Automatyka i Robotyka (Automation and Robotics)
Language
(pl) Polish
Status
Finished
Defense Date
28-05-2019
Issue date (year)
2019
Reviewers
Jan Klimaszewski (FM/IACR) Jan Klimaszewski,, The Institute of Automatic Control and Robotics (FM/IACR)Faculty of Mechatronics (FM) Zofia Łabęda-Grudziak (FM/IACR) Zofia Łabęda-Grudziak,, The Institute of Automatic Control and Robotics (FM/IACR)Faculty of Mechatronics (FM)
Keywords in Polish
głębokie uczenie, downsampling, filtracja, chmury punktów, PointNet
Keywords in English
deep learning, downsamping, filtering, point clouds, PointNet
Abstract in Polish
Niniejsza praca skupia się na pokazaniu możliwości zastosowania sieci neuronowej PointNet do filtracji chmur punktów z wykorzystaniem deskryptorów cech. Wyjaśniono w niej sens zmniejszania ilości punktów w chmurach oraz przybliżono ogólną zasadę filtracji na podstawie operatora ekstrakcji cech. Opisano również zasady działania najczęściej współcześnie stosowanych algorytmów do filtracji danych, takich jak VoxelGrid, Farthest Point Sampling czy filtrowanie na bazie grafów. Została przybliżona budowa samego PointNetu oraz zostały podane warunki, które musi spełniać sieć analizująca chmury punktów. Do porównania wydajności filtracji użyto innych stosownych norm, a samą jakość skwantyfikowano za pomocą sieci DeepSets, na której były uczone spróbkowane dane.
File
  • File: 1
    276778_inz.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 34084

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUTd5f5f654c13e4487a8d8fdb51ad6e6c8/
URN
urn:pw-repo:WUTd5f5f654c13e4487a8d8fdb51ad6e6c8

Confirmation
Are you sure?
Report incorrect data on this page