基于多隱層BP神經(jīng)網(wǎng)絡的表面重建算法及并行化研究.pdf

1、隨著三維表面重建技術(shù)的逐漸發(fā)展與成熟，人們?yōu)榱四軌蛑亟ǔ龈呔鹊奈矬w表面，不斷地對該技術(shù)進行優(yōu)化和改進，并將其運用于很多領(lǐng)域。其中，將BP神經(jīng)網(wǎng)絡應用于物體表面重建也是一種改進表面重建技術(shù)的重要手段，而BP網(wǎng)絡訓練精度的好壞將直接影響表面重建的精度。因此，可以通過對BP網(wǎng)絡加以改進，以此提高網(wǎng)絡的訓練精度，從而更好地重建出物體的表面。
　　本文主要通過增加BP網(wǎng)絡的隱層數(shù)目來提高網(wǎng)絡的訓練精度，但是，增加網(wǎng)絡的隱層數(shù)目則會急劇增加

2、算法所耗費的時間。另外，本文主要針對點云數(shù)據(jù)進行表面重建，點云中的數(shù)據(jù)點個數(shù)非常龐大，而該方法對于所有數(shù)據(jù)點都將進行操作，因此減少算法的整體執(zhí)行時間是一個急需解決的問題。并行計算技術(shù)則是針對該問題的重要方法，該技術(shù)可以在保證串行算法原有精度的情況下有效地減少算法的執(zhí)行時間。本文主要使用多核并行技術(shù)和基于GPU的并行技術(shù)來降低算法的整體耗時，提高算法的執(zhí)行效率。
　　本文算法步驟可以概括如下:首先從文本文件中獲取點云信息，利用八叉樹

3、來存儲這些點云數(shù)據(jù)，構(gòu)造網(wǎng)絡的輸入矩陣和輸出矩陣，然后通過多隱層BP神經(jīng)網(wǎng)絡對點云數(shù)據(jù)進行訓練，從而獲得隱函數(shù)表面，隱函數(shù)表面即是對物體真實表面的逼近，將隱式函數(shù)存儲于網(wǎng)絡的權(quán)值當中，根據(jù)網(wǎng)絡權(quán)值中的隱函數(shù)信息利用隱函數(shù)表面可視化方法顯示出物體表面。然后針對串行算法中較耗時的部分進行并行加速。
　　實驗結(jié)果表明，本文提出的基于多隱層BP神經(jīng)網(wǎng)絡的表面重建算法能有效地提高物體表面的重建精度。利用并行計算技術(shù)對該算法進行并行計算也能較