-
公开(公告)号：CN119850942A
公开(公告)日：2025-04-18
申请号：CN202311350330.9
申请日：2023-10-18
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于自适应融合多分辨率特征的点云语义分割方法。该发明为了克服点云在构建邻域过程中由于采样到离群点和重叠点，导致邻域点云特征模糊和特征冗余，从而导致输出特征图对点云的全局描述不足等问题，提出了基于自适应融合多分辨率特征的点云语义分割方法。本发明基于RandLA‑Net网络框架，以3D点云为输入数据，采取最远点采样的方法计算下采样的中心点，然后利用KNN索引构建邻域点，在编码器的特征聚合模块，采用最大池化和平均池化结合的方法对编码器提取的局部特征进行聚合。在解码器中，针对原始输入点云的全局特征感知不足，利用自适应融合不同层级解码器的输出特征图，以此减轻原始输入不足带来的特征模糊和冗余特征。
-
公开(公告)号：CN119850941A
公开(公告)日：2025-04-18
申请号：CN202311350299.9
申请日：2023-10-18
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06V20/70 , G06V20/64 , G06V10/764 , G06V10/44
Abstract: 本发明公开了一种基于泰勒级数构建曲面的三维点云语义分割方法。以往的基于点的点云语义分割网络，通过附加更多信息，例如欧几里得距离、注意力机制，或应用各种变换，例如图形构造、体素化，间接地从几何形状中学习。这些操作可能会导致复杂的预处理和大量的计算。本发明以PointNet++作为基础网络，采用3D点云作为输入数据，利用最远点采样进行点云下采样，获得下采样的中心点之后，利用球查询获得点云的邻域点。在局部几何形状特征提取模块，利用泰勒级数将点云转换为三角形曲面，缓解了以往的局部几何形状信息提取方法带来的带来信息丢失，或者在变换过程中带来局部细节几何形状的变形问题。
-
公开(公告)号：CN118587574A
公开(公告)日：2024-09-03
申请号：CN202310216785.5
申请日：2023-03-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/10 , G06V10/40 , G06V10/26 , G06V10/778
Abstract: 本发明公开了一种基于轻量化网络的建筑物提取方法。随着对城市化的高需求和高分辨率遥感图像的可用性，建筑提取已成为研究界进行密集研究的一个重要课题。本文网络通过按照1×1卷积层进行本地和全球连接来连接不同的块，从而同时访问中高频信息，实现网络的特征提取阶段以此来提高建筑物提取网络的速率，达到网络的轻量化。有效密集块和内部有效剩余块，利用多层次的连接可以帮助提出的方法学习多层次的特征，并帮助网络迅速分散信息从低到高，同时进行反向传播。在这种情况下，网络共享所有块之间的信息，从而获得更好的重构结果。
-
公开(公告)号：CN118587428A
公开(公告)日：2024-09-03
申请号：CN202310194858.5
申请日：2023-03-03
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于局部非局部特征聚合的三维点云语义分割方法。该发明针对现有的特征学习过程是噪声敏感的，且其只考虑相邻区域的局部信息交互，然后通过层次结构获取全局上下文，通常会导致自下而上的特征学习，从而导致提取的特征信息受离群点的影响，且存在特征冗余的情况，提出了一种基于局部信息与非局部特征信息加权求和的方法。本发明以3D点云为输入，在点局部单元中采用相对坐标作为局部特征；在点的非局部特征提取模块中，我们使用采样点作为查询点，通过注意力机制来计算采样点在这一层中与整个点云的相关度，然后进行MLP作为非局部信息，最后进行加权和，以实现点局部特征和点非局部特征的融合，以此提取更具代表性的特征。
-
-
-
Search Results
14
records
(took 0.026 seconds)
