公开(公告)号：CN110991227B

公开(公告)日：2023-06-30

申请号：CN201911010487.0

申请日：2019-10-23

Applicant: 东北大学

Inventor： 王斐 ,  孔荔 ,  张兴

IPC: G06V20/64 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度类残差网络的三维物体识别和定位方法，所述方法采用三维模型构建模块、模拟数据集制作模块、网络训练模块以及网络运用模块。该方法可自行建立所需目标物体的三维模型，在不限制物体种类和单角度采集点云数据的前提下，快捷、批量地制作需要的目标物体的模拟数据集用于训练，避免了人工处理和标注的繁杂过程。经过单位球归一化等数据处理后，引入深度类残差网络，在学习好目标物体全局特征的同时更好地捕获局部特征信息，在真实环境中实现目标物体的类别和位置返回且能有效地满足实际应用的需求。这种接近原始数据的点云与深度类残差网络结合的三维物体识别和定位方法，具有精度高、速度快、鲁棒性强等特点。

公开(公告)号：CN110991227A

公开(公告)日：2020-04-10

申请号：CN201911010487.0

申请日：2019-10-23

Applicant: 东北大学

Inventor： 王斐 ,  孔荔 ,  张兴

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于深度类残差网络的三维物体识别和定位方法，所述方法采用三维模型构建模块、模拟数据集制作模块、网络训练模块以及网络运用模块。该方法可自行建立所需目标物体的三维模型，在不限制物体种类和单角度采集点云数据的前提下，快捷、批量地制作需要的目标物体的模拟数据集用于训练，避免了人工处理和标注的繁杂过程。经过单位球归一化等数据处理后，引入深度类残差网络，在学习好目标物体全局特征的同时更好地捕获局部特征信息，在真实环境中实现目标物体的类别和位置返回且能有效地满足实际应用的需求。这种接近原始数据的点云与深度类残差网络结合的三维物体识别和定位方法，具有精度高、速度快、鲁棒性强等特点。