-
公开(公告)号：CN110838122A
公开(公告)日：2020-02-25
申请号：CN201810935634.4
申请日：2018-08-16
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供了一种点云的分割方法、装置及计算机存储介质，获取待分割的点云数据，采用优化的图卷积神经网络模型对所述待分割的点云数据进行分割，输出所述待分割的点云数据的分割结果，本方案中获取待分割的点云数据之后，直接输入优化的图卷积神经网络模型进行分割，由于采用了图卷积运算，图卷积的运算量小，从而可以减小计算量，并且该经过优化的图卷积神经网络模型对点云数据能够更好的进行特征学习，提高了点云分割的准确性，从而提高了人工智能识别的准确性。
-
-
公开(公告)号：CN116977187A
公开(公告)日：2023-10-31
申请号：CN202210392112.0
申请日：2022-04-14
Applicant: 北京大学
IPC: G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于梯度场的深度点集重采样方法，其步骤包括：利用训练数据集训练一神经网络；其中，训练所述神经网络的方法为：将退化点云输入上下文特征提取网络，上下文特征提取网络获取退化点云中每个点#imgabs0#对应的特征hi并将其输入到梯度场估计网络；梯度场估计网络根据点#imgabs1#的上下文点云、点#imgabs2#及其特征hi得到点#imgabs3#对应的梯度#imgabs4#根据#imgabs5#在干净点云中对应的真实梯度#imgabs6#计算损失函数#imgabs7#将待采样的退化点云X输入训练后的神经网络，得到该退化点云X中每个点对应的梯度场；然后根据每个点的梯度场，通过梯度上升对云X中的点进行迭代更新，完成对该退化点云X的修复。
-
公开(公告)号：CN111311651B
公开(公告)日：2023-10-20
申请号：CN201811508702.5
申请日：2018-12-11
Applicant: 北京大学 , 新方正控股发展有限责任公司 , 北京北大方正电子有限公司
IPC: G06T7/33
Abstract: 本发明提供一种点云配准方法和装置，该方法包括：根据输入点云和目标点云进行粗配准，获得粗配准后的输入点云；对所述目标点云进行分割，得到至少两个第一点云块；重复执行以下所有步骤，直至满足预设的配准条件：对所述粗配准后的输入点云进行分割，得到至少两个第二点云块；从所述至少两个第一点云块中选取至少一个第一点云块，从所述至少两个第二点云块中选取与所选取的每一个第一点云块对应的第二点云块；根据选取的所述至少一个第一点云块和选取的至少一个第二点云块进行精配准，获得精配准后的输入点云，并将所述精配准后的输入点云重新作为粗配准后的输入点云进行分割。本方案能够提高配准的精度。
-
公开(公告)号：CN115984602A
公开(公告)日：2023-04-18
申请号：CN202211468842.0
申请日：2022-11-22
Applicant: 北京大学
IPC: G06V10/764 , G06T5/10 , G06T5/20 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种于图谱域的提高点云分类准确度的方法及系统，涉及点云分类领域。获取3D物体原始点云数据；在所述原始点云上构建KNN图来表示原始点云的几何结构信息，该KNN图通过GFT，将原始点云数据从数据域转换到图谱域；构建图谱滤波器，对变换到图谱域的数据的频谱特征进行滤波，生成扰动的频谱信号；通过GFT，将扰动的频谱信号转换回数据域，得到对抗点云数据；构建基于原始点云数据的样本和基于对抗点云数据的对抗样本，作为训练数据，输入到点云分类模型中进行分类训练；利用训练好的点云分类模型对待处理的3D物体原始点云数据进行分类，输出分类结果。本发明可以提升模型对点云的分类识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN110838122B
公开(公告)日：2022-06-14
申请号：CN201810935634.4
申请日：2018-08-16
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供了一种点云的分割方法、装置及计算机存储介质，获取待分割的点云数据，采用优化的图卷积神经网络模型对所述待分割的点云数据进行分割，输出所述待分割的点云数据的分割结果，本方案中获取待分割的点云数据之后，直接输入优化的图卷积神经网络模型进行分割，由于采用了图卷积运算，图卷积的运算量小，从而可以减小计算量，并且该经过优化的图卷积神经网络模型对点云数据能够更好的进行特征学习，提高了点云分割的准确性，从而提高了人工智能识别的准确性。
-
公开(公告)号：CN113766229A
公开(公告)日：2021-12-07
申请号：CN202111160289.X
申请日：2021-09-30
Applicant: 咪咕文化科技有限公司 , 中国移动通信集团有限公司 , 北京大学
Abstract: 本申请公开了一种编码方法、解码方法、装置、设备及可读存储介质，涉及图像处理技术领域，以提高处理性能。该方法包括：将当前帧的待处理的点云数据进行聚类，得到多个子点云；对于所述多个子点云中的任一目标子点云，根据所述目标子点云中多个点对之间的欧式距离，以及，所述目标子点云中的目标点与所述目标点的对应点之间的欧式距离，生成广义拉普拉斯矩阵；利用所述广义拉普拉斯矩阵，对目标子点云进行帧间预测与图傅里叶残差变换；分别对变换后的多个子点云进行量化和编码，得到编码码流；其中，所述对应点位于所述目标子点云的参考点云中，所述参考点云位于所述当前帧的参考帧中。本申请实施例可提高处理性能。
-
公开(公告)号：CN113066016A
公开(公告)日：2021-07-02
申请号：CN202110190191.2
申请日：2021-02-18
Applicant: 北京大学
IPC: G06T5/00 , G06T15/08 , G06F16/901 , G06F17/14 , G06K9/62
Abstract: 本发明公开了一种基于图信号处理的三维动态点云修复方法，其步骤包括：1)将点云序列S有缺失区域Pf分割成n个立方块并从中选择包含缺失数据的立方块作为目标块ct；2)选取与ct相似度最高的候选块作为帧内源块cs，并对几何结构进行位置匹配，得到最终的帧内源块3)在Pf‑1、Pf+1中找到与ct相对位置相同的块c′t、c″t；4)在c′t、c″t的包围盒中搜索ct中每个点的最近邻点；5)寻找Pf‑1、Pf+1中包含ct的最近邻点最多的立方块，作为帧间源块并对几何结构进行位置匹配，得到帧间源块6)利用和修复ct。
-
公开(公告)号：CN110349091B
公开(公告)日：2021-07-02
申请号：CN201810306574.X
申请日：2018-04-08
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: G06T5/00
Abstract: 本发明实施例提供一种基于图信号处理的点云修复方法、装置及终端，其中，方法包括：将预先获取的点云划分为互相有重叠部分的多个立方块；确定所述多个立方块中的目标块和与所述目标块相对应的目标源块，所述目标块包含缺失数据；根据所述目标源块中的信息对所述目标块中的缺失区域进行修复，获得修复结果块；利用所述修复结果块替换所述点云中的目标块，获得修复后的点云。本发明通过将点云划分为多个立方块；并确定立方块中的目标块和与所述目标块相对应的目标源块，进一步根据所述目标源块对所述目标块中进行修复，获得修复结果块；最后利用所述修复结果块替换所述点云中的目标块，获得修复后的点云，有效地保证了点云的修复效果。
-
公开(公告)号：CN113205445B
公开(公告)日：2023-10-17
申请号：CN202110412171.5
申请日：2021-04-16
Applicant: 北京大学
Abstract: 本发明涉及一种基于数据压缩的可逆明水印方法和装置。本发明方法引入了利用重构数据包来辅助可视水印去除的思想，即在可视水印嵌入后创建用于描述水印图像与原始宿主图像之间关系模型的数据包，并作为辅助信息嵌入至水印图像中；在可视水印去除时，事先从水印图像中提取辅助信息并重构模型数据包，用于可视水印图像的去除和原始宿主图像的恢复，从而构造了通用的可逆映射关系。本发明具有较强的通用性，不需要关心具体的可视水印嵌入算法，并且在可视水印图案去除和宿主图像恢复过程中也不需要原始可视水印图像的参与，适用性更强；本发明方法采用高效的数据压缩技术，需要嵌入非明水印区域的数据量较少，水印图像失真较小。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.026 seconds)
