-
公开(公告)号：CN117115337A
公开(公告)日：2023-11-24
申请号：CN202310860641.3
申请日：2023-07-13
Applicant: 厦门大学
Abstract: 本申请公开了一种基于稀疏点云帧的三维表面建模方法，通过激光雷达系统对真实世界的对象进行扫描，以得到点云帧序列；采用变分编码器对点云帧序列中的每帧点云进行特征编码，以得到每帧点云对应的全局特征分布和逐点局部特征分布；将逐点局部特征分布作为查询矩阵，全局特征分布作为键矩阵，以便采用密度感知的互注意力进行逐点特征精化，以得到每帧点云对应的精化后的逐点局部特征；采用随机抽样一致性算法根据精化后的逐点局部特征估计相邻帧点云之间的刚性变化，并通过相邻帧点云之间的刚性变化进行两两配准，以得到点云配准结果；根据点云配准结果采用几何感知点云直接回归以得到最终的三维模型，从而提高建模效果。
-
公开(公告)号：CN117058408A
公开(公告)日：2023-11-14
申请号：CN202310882434.8
申请日：2023-07-18
Applicant: 厦门大学
Abstract: 本发明提出了一种面向大规模三维点云的边缘提取方法及装置，该方法包括：获取原始点云，并对原始点云进行均匀划分，以得到多个体素；将多个体素中的每个体素依次输入到顶点检测模块，以便通过顶点检测模块得到原始点云中的边缘顶点和边缘顶点位置坐标；对边缘顶点进行任意两两组合连线，以形成候选边缘线段集；将候选边缘线段集中的每条候选线段以线段端点位置坐标形式依次输入到候选线段判别模块进行边缘线段判别，以便通过候选线段判别模块完成原始点云的边缘提取；通过连接点云的边缘顶点生成候选线段集，并进行边缘提取则可以极大减少点云中噪声的影响，从而得到简洁的边缘轮廓，并且对不同场景的点云均具有良好的泛化性。
-
公开(公告)号：CN119130865A
公开(公告)日：2024-12-13
申请号：CN202411056876.8
申请日：2024-08-02
Applicant: 厦门大学
IPC: G06T5/80 , G06T5/60 , G06V10/774 , G06V10/82
Abstract: 本申请的实施例提供了一种三维点云的标签迭代校正方法、装置、介质及设备。该方法采用训练完成的若干验证器对原始点云进行至少一轮标签迭代校正，得到标签校正后的目标点云；其中，在每一轮标签迭代校正中，包括：将原始点云中的每一个点及其在上一轮确定的校正标签分别输入至若干验证器中，以使各验证器分别输出原始点云中各点为干净样本或者污染样本的判断结果；针对被各验证器确定为污染样本的点，将污染样本分别输入至各验证器包含的深度神经网络中，以使各深度神经网络输出对应的预测标签以确定污染样本在当前轮对应的校正标签。本申请实施例的技术方案可以准确分离并校正点云数据集中的污染标签样本，保证后续神经网络训练的有效性。
-
Patent Agency Ranking
公开(公告)号：CN114638964B
公开(公告)日：2024-07-23
申请号：CN202210216065.4
申请日：2022-03-07
Applicant: 厦门大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/772 , G06V10/80 , G06V10/82 , G06V20/56 , G06N3/045 , G06N3/0475 , G06N3/082 , G06N3/094 , G06N3/096 , G06N3/084 , G06N3/0985
Abstract: 本发明提供一种基于深度学习的跨域三维点云分割方法、存储介质，方法包括：获取训练数据；构建高效域迁移对抗分割框架；使用训练数据中的源域数据对框架中的条件域融合分割网络模型进行监督训练，得到预训练条件域融合分割网络模型并更新至框架中，再使用训练数据继续训练更新后的分割网络模型得到跨域三维点云条件域融合分割网络模型；输入目标域数据至跨域三维点云条件域融合分割网络模型后，先分别通过其中的主分支Ev和辅助分支Ep提取基于体素的特征和基于点的特征，再通过注意力融合模块融合这两个特征，再通过分类器对融合特征和基于体素的特征进行逐点分类，得到各点的预测标签。本发明能够极大地提升跨域分割的准确率和性能。
-
公开(公告)号：CN117975210A
公开(公告)日：2024-05-03
申请号：CN202311790434.1
申请日：2023-12-22
Applicant: 厦门大学
IPC: G06V10/80 , G06V10/764 , G06V10/44 , G06V20/64
Abstract: 本申请的实施例提供了一种基于局部特征的点云数据处理方法、装置、介质及设备。该方法包括：获取待处理点云数据；将所述待处理点云数据输入至预先构建的特征提取模型中，所述特征提取模型包括依次连接的若干特征提取模块，得到各特征提取模块的输出特征后，根据数据处理类别标识，采用与所述数据处理类别标识对应的数据处理网络对所述特征提取模块的输出特征进行数据处理，得到数据处理结果。本申请实施例的技术方案可以将空间关系的显式建模与局部特征聚合进行解耦，减少点云数据处理过程中的计算量，保证点云数据处理结果的有效性。
-
公开(公告)号：CN116645582A
公开(公告)日：2023-08-25
申请号：CN202310473027.1
申请日：2023-04-27
Applicant: 厦门大学
IPC: G06V10/82 , G06N3/094 , G06V10/774 , G06V20/64 , G06N3/0475
Abstract: 本申请公开了一种基于梯度优化的显著性区域三维点云对抗攻击方法，包括：对原始点云进行区域划分，以得到多个不同区域组合；将多个不同区域组合分别输入到训练好的网络模型，以得到对应的不同区域组合对网络模型识别结果的重要程度；根据重要程度得到每个区域的显著性值，并对每个区域按照显著性值进行排列；获取攻击区域数量，以便根据攻击区域数量在排序后的每个区域中确定攻击的显著性区域；对显著性区域进行攻击以生成对抗点云，并根据距离约束得到对应的点云对抗样本；使用基于梯度优化的对抗攻击算法根据点云对抗样本更新所述对抗点云，并对对抗点云进行可视化；由此，不仅生成代价低，而且人类视觉难以察觉。
-
公开(公告)号：CN116128922A
公开(公告)日：2023-05-16
申请号：CN202310020378.7
申请日：2023-01-06
Applicant: 厦门大学
IPC: G06T7/246 , G01V8/10 , G06V10/774
Abstract: 本申请的实施例提供了一种基于事件相机的物体掉落检测方法、装置、介质及设备。该方法包括：获取事件相机输出的事件流，所述事件流包含连续的若干个事件的事件信息，所述事件信息包括事件的发生坐标以及发生时间；根据各所述事件对应的发生坐标以及发生时间，生成与所述事件流对应的特征图，所述特征图于描述所述事件流包含的事件的时间特征和/或位置特征；根据所述特征图中每一坐标对应的特征值进行聚类识别，确定所述特征图中存在目标物体的至少一个目标区域的位置信息；基于连续的至少一个事件流对应的特征图中各目标区域的位置信息，确定所述目标物体的运动轨迹。本申请实施例的技术方案提高掉落物体识别的准确性，保证识别效果。
-
公开(公告)号：CN114638964A
公开(公告)日：2022-06-17
申请号：CN202210216065.4
申请日：2022-03-07
Applicant: 厦门大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/772 , G06V10/80 , G06V10/82 , G06V20/56 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明提供一种基于深度学习的跨域三维点云分割方法、存储介质，方法包括：获取训练数据；构建高效域迁移对抗分割框架；使用训练数据中的源域数据对框架中的条件域融合分割网络模型进行监督训练，得到预训练条件域融合分割网络模型并更新至框架中，再使用训练数据继续训练更新后的分割网络模型得到跨域三维点云条件域融合分割网络模型；输入目标域数据至跨域三维点云条件域融合分割网络模型后，先分别通过其中的主分支Ev和辅助分支Ep提取基于体素的特征和基于点的特征，再通过注意力融合模块融合这两个特征，再通过分类器对融合特征和基于体素的特征进行逐点分类，得到各点的预测标签。本发明能够极大地提升跨域分割的准确率和性能。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.024 seconds)
