点云从入门到精通技术详解100篇-基于改进 Mask R-CNN 的地铁隧道点云图像渗水检测（续）

目录

3.2 应用处理

3.2.1 点云增采样

3.2.2 圆柱投影

3.2.3 点云成图

3.3 定性分析精度影响因素

隧道内壁衬砌渗水识别检测

4.1 衬砌图像预处理

4.1.1 图像去噪

4.1.2 图像锐化

4.2 基于 Mask R-CNN 模型的渗水检测与分割方法

4.2.1 特征提取

4.2.2 ROI Align 及语义分割模型构建

4.3 基于改进的 Mask R-CNN 模型的渗水检测与分割方法

4.4 实验细节描述

4.4.1 实验环境

4.4.2 模型评价指标

4.5 模型训练及实验结果分析

4.5.1 模型训练过程

4.5.2 实验结果及对比分析

---

本文篇幅较长，分为上下两篇，上篇详见 基于改进 Mask R-CNN 的地铁隧道点云图像渗水检测

3.2 应用处理

本小节是根据应用场景需要，基于预处理，再进行相关的数据操作。对于点云

数据，为了获取二维图像，主要操作是数据插值以及投影变换。本文采用增采样的

方法插值，圆柱投影的方法处理投影变换。