Neural Network Segmentation of Laser Scanning System Data

Выделение объектов и их сопровождение является одной из перспективных и быстро развивающихся областей технического зрения, применяющейся в различных системах. Неотъемлемой частью таких систем является кластеризация и сегментация данных. В данной статье представлен краткий обзор алгоритмов сегментации данных, полученных с помощью 2D лазерных сканирующих систем. Слабым звеном таких алгоритмов является сегментация близко расположенных объектов. Для лучшего выделения сегментов предложено использование данных дальности вместе со значениями интенсивности отраженного сигнала соответствующих измерений. Для комплексирования данных предложено использование нейросети, являющейся удобным инструментом при кластеризации и сегментации зашумленных и сложнокоррелируемых данных. В работе используется одна из наиболее распространенных и изученных моделей - многослойный персептрон. Представлена архитектура полученной сети, методика обучения и интерпретирование выходных для сегментирования облака двумерных точек. Результаты данного исследования могут быть использованы не только в задачах сегментации облаков точек, но и при решении задач построения карт, для выделения особых точек при анализе двумерных облаков точек, построения систем сопровождения объектов.