-
公开(公告)号：CN113902920A
公开(公告)日：2022-01-07
申请号：CN202111136226.0
申请日：2021-09-27
Applicant: 中国地质大学(武汉)
IPC: G06V10/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图卷积神经网络的点云特征提取方法及装置，包括：构建训练数据集和测试数据集；搭建基于图卷积神经网络的点云特征提取网络；将训练数据集输入点云特征提取网络，使用K近邻搜索算法对每个点构建邻接图；计算获取每个点的空间几何信息和多维特征，并进行融合，获取每个点的局部特征；根据每个点的邻接图和局部特征，计算获取每个点的全局特征；将全局特征和局部特征进行融合，获取融合特征；通过训练数据集和融合特征对进行网络迭代训练后，得到训练好的点云特征提取网络；将测试数据集输入训练好的点云特征提取网络，输出点云特征的语义预测结果。本发明能够同时学习局部特征和全局特征，提高了点云语义预测分类的精度。
-
Patent Agency Ranking
公开(公告)号：CN113902920B
公开(公告)日：2024-12-06
申请号：CN202111136226.0
申请日：2021-09-27
Applicant: 中国地质大学(武汉)
IPC: G06V10/40 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图卷积神经网络的点云特征提取方法及装置，包括：构建训练数据集和测试数据集；搭建基于图卷积神经网络的点云特征提取网络；将训练数据集输入点云特征提取网络，使用K近邻搜索算法对每个点构建邻接图；计算获取每个点的空间几何信息和多维特征，并进行融合，获取每个点的局部特征；根据每个点的邻接图和局部特征，计算获取每个点的全局特征；将全局特征和局部特征进行融合，获取融合特征；通过训练数据集和融合特征对进行网络迭代训练后，得到训练好的点云特征提取网络；将测试数据集输入训练好的点云特征提取网络，输出点云特征的语义预测结果。本发明能够同时学习局部特征和全局特征，提高了点云语义预测分类的精度。
-
公开(公告)号：CN114067075B
公开(公告)日：2024-10-29
申请号：CN202111135205.7
申请日：2021-09-27
Applicant: 中国地质大学(武汉)
Abstract: 本发明提出了一种基于生成对抗网络的点云补全方法及装置，包括：构建训练数据集和测试数据集；搭建基于生成对抗网络的点云补全网络；将训练数据集输入点云补全网络，对训练数据集中的点云进行投影变换和边界提取，得到边界特征点；计算边界特征点中的每个点的多维几何特征，并进行串联，得到点云的特征向量；根据特征向量，计算点云在各个投影方向上的补全结果，并进行全连接解码，得到补全后的点云；构建损失函数，对点云补全网络进行迭代训练后，得到训练好的点云补全网络；通过训练好的点云补全网络对测试数据集进行点云补全。本发明更关注结构信息和细粒度区域的补全，且能通过不同方向的投影生成缺失的点云，明显提高了点云的补全精度。
-
公开(公告)号：CN114067075A
公开(公告)日：2022-02-18
申请号：CN202111135205.7
申请日：2021-09-27
Applicant: 中国地质大学(武汉)
Abstract: 本发明提出了一种基于生成对抗网络的点云补全方法及装置，包括：构建训练数据集和测试数据集；搭建基于生成对抗网络的点云补全网络；将训练数据集输入点云补全网络，对训练数据集中的点云进行投影变换和边界提取，得到边界特征点；计算边界特征点中的每个点的多维几何特征，并进行串联，得到点云的特征向量；根据特征向量，计算点云在各个投影方向上的补全结果，并进行全连接解码，得到补全后的点云；构建损失函数，对点云补全网络进行迭代训练后，得到训练好的点云补全网络；通过训练好的点云补全网络对测试数据集进行点云补全。本发明更关注结构信息和细粒度区域的补全，且能通过不同方向的投影生成缺失的点云，明显提高了点云的补全精度。
-
公开(公告)号：CN113435461B
公开(公告)日：2023-07-14
申请号：CN202110655516.X
申请日：2021-06-11
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 中国地质大学(武汉)
IPC: G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/042
Abstract: 本发明公开了一种点云局部特征提取方法、装置、设备及存储介质，包括以下步骤：首先，本发明提出了一种新的用于点云局部特征提取的图注意网络，该网络可以快速、准确的进行三维点云的语义分割；其次，本发明利用扩展的K近邻搜索算法构造每个点的局部膨胀图区域，利用中心点与其邻域之间的欧式距离几何相关性进行局部特征表达；最后，本发明将注意机制应用到设计的网络层中，称为图注意层，通过对中心点的临近边赋予适当的权值，动态地学习局部扩张图上的上下文注意特征，并通过注意池化操作更好地保留点云的局部几何细节。与现有的点云局部特征提取方法相比，本发明在三维点云形状分类和分割任务上都达到了更好的性能。
-
公开(公告)号：CN113435461A
公开(公告)日：2021-09-24
申请号：CN202110655516.X
申请日：2021-06-11
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种点云局部特征提取方法、装置、设备及存储介质，包括以下步骤：首先，本发明提出了一种新的用于点云局部特征提取的图注意网络，该网络可以快速、准确的进行三维点云的语义分割；其次，本发明利用扩展的K近邻搜索算法构造每个点的局部膨胀图区域，利用中心点与其邻域之间的欧式距离几何相关性进行局部特征表达；最后，本发明将注意机制应用到设计的网络层中，称为图注意层，通过对中心点的临近边赋予适当的权值，动态地学习局部扩张图上的上下文注意特征，并通过注意池化操作更好地保留点云的局部几何细节。与现有的点云局部特征提取方法相比，本发明在三维点云形状分类和分割任务上都达到了更好的性能。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
