结合 3D 处理与专家知识基于知识库的点云 3D 目标检测方法
人工智能
2013-01-23 v1
摘要
本文提出了一种基于知识的目标检测方法，该方法使用 OWL 本体语言、语义网络规则语言（Semantic Web Rule Language）以及 3D 处理内置功能，旨在结合 3D 点云的几何分析与专家知识。在此，我们分享了基于无组织 3D 点云创建 3D 语义设施模型的经验。因此，本文提出了一种使用 OWL 本体语言的基于知识的目标检测方法。该知识用于定义 SWRL 检测规则。此外，在 SWRL 规则中结合 3D 处理内置功能与拓扑内置功能，可以实现更灵活、更智能的检测，以及对 3D 点云中包含的目标进行标注。创建的 WiDOP 原型系统以一组 3D 点云作为输入，并输出一个填充的本体，该本体对应于以 VRML 语言可视化的已索引场景。本研究的背景是检测在 Deutsche Bahn 场景中具象化的铁路目标，如信号机、技术柜、电线杆等。因此，最终生成的包含点云中目标标注的丰富且填充的本体，可用于为 GIS 系统或用于建筑目的的 IFC 文件提供数据。
引用
@article{arxiv.1301.4991,
title = {Knowledge Base Approach for 3D Objects Detection in Point Clouds Using 3D Processing and Specialists Knowledge},
author = {Helmi Ben Hmida and Christophe Cruz and Frank Boochs and Christophe Nicolle},
journal= {arXiv preprint arXiv:1301.4991},
year = {2013}
}
备注
ISSN: 1942-2679. arXiv admin note: text overlap with arXiv:1301.4783