Segmentace mračen bodů za pomoci hlubokého učení

Abstract

Tato bakalářská práce se soustředí na problematiku segmentace 3D mračen bodů na části, jejíž role je díky autonomním vozidlům, robotice nebo medicíně v dnešním světě významná. Cílem práce je implementace sítě PointNeXt, její verifikací a následnými experimenty nad datovou sadou 3D mračen bodů Building Net. Architektura PointNeXt staví na velmi průkopové architektuře pro zpracovávání mračen bodů, PointNet++. Během průběhu experimentů je testován dopad různých parametrů sítě na schopnost segmentovat mračna z datové sady. Součástí práce je také teoretické představení různých způsobů a metod, jak k problematice segmentace přistupovat.

This bachelor thesis focuses on the problem of segmentation od 3D point clouds, which thanks to autonomous vehicles, robotics and medicine is very important in today’s world. The goal of this work is the implementation of the PointNeXt architecture, its verification and execution of experiments over the BuildinNet dataset. PointNeXt architecture builds on the very important PointNet++ architecture for point cloud segmentation. During the experimentation, the impact on the accuracy of the network to segment point clouds from the dataset. Part of the work also is the presentation of different ways to tackle the problem of semantic segmentation.