-
公开(公告)号：CN115311653A
公开(公告)日：2022-11-08
申请号：CN202210967172.0
申请日：2022-08-12
Applicant: 华北电力大学(保定)
IPC: G06V20/64 , G06V10/25 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/766 , G06V10/75 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种3D目标检测方法、装置、终端和存储介质，该方法包括：获取包含目标物的激光点云数据作为原始三维点云数据；基于原始三维点云数据进行体素化、3D稀疏卷积层、以及PRN网络处理，得到感兴趣区域，作为感兴趣区域；基于感兴趣区域，进行最远点采样和空间网格化处理，得到中心点局部特征；基于中心点局部特征，进行坐标升维和特征加和处理，得到所述目标物的感兴趣区域特征；基于所述目标物的感兴趣区域特征，进行所述目标物的目标类别预测和框位置回归处理，实现对所述目标物的3D目标检测。该方案，通过设置基于原始点云网格注意力机制的两阶段3D目标检测算法，提升3D目标检测的检测效果。
-
公开(公告)号：CN119478409A
公开(公告)日：2025-02-18
申请号：CN202411561004.7
申请日：2024-11-04
Applicant: 华北电力大学(保定)
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/64 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种基于密度感知与特征增强的点云语义分割方法及模型，方法包括：首先，在输入点云中进行动态密度感知采样，根据语义特征距离分组；然后，多层次提取深层语义信息后进行相对位置信息的增强，强化不同区域的局部特征；最后，在解码器上采样中根据语义同质性指导恢复采样点，使用双向自注意力机制，对点和通道级语义特征进行融合。模型包括点云输入模块、下采样模块、交叉注意力模块、位置特征增强模块、上采样模块、点云输出模块及触发阈值判断模块。将本发明方法在公开数据集S3DIS与Scannet上进行测试，mIoU分别达到了73.0％与74.8％，相对基线模型分别提升了2.6％与4.2％，证明了本方法的有效性。
-
公开(公告)号：CN119478363A
公开(公告)日：2025-02-18
申请号：CN202411560953.3
申请日：2024-11-04
Applicant: 华北电力大学(保定)
IPC: G06V10/25 , G06V10/82 , G06V20/64 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于标签引导的变分自编码器的单阶段三维目标检测方法，步骤为：输入点云；体素化点云，将不规则的点云空间划分为均匀堆叠的体素；对体素化的点云进行3D骨干网络化处理，提取多尺度体素特征；引入标签信息作为先验条件，构建变分自编码器LG‑CVAE；多任务损失函数处理，在多任务损失函数中结合目标感知对抗损失，计算LG‑CVAE生成的特征图与输入特征图之间的KL散度，使生成的潜在特征更接近真实数据分布；输出三维框。本方法结合了CVAE、注意力机制和对抗性训练的优势，能够学习更有效的特征表示，并从CNN生成的众多特征图中选择最有效的特征，进一步提升LG‑CVAE的特征提取能力。
-
公开(公告)号：CN116071620A
公开(公告)日：2023-05-05
申请号：CN202310179436.0
申请日：2023-02-28
Applicant: 华北电力大学(保定)
IPC: G06V10/774 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种高效3D目标检测方法、装置、终端和存储介质，该方法包括：获取待检测目标的点云数据训练集；基于所述待检测目标的点云数据训练集，利用HRNet网络结构，采用分层细化和动态样本分配的方式，对所述待检测目标的点云数据训练集进行训练，得到所述待检测目标的3D目标检测模型；获取所述待检测目标的点云数据检测集；利用所述待检测目标的3D目标检测模型，对所述待检测目标的点云数据检测集进行检测，实现对所述待检测目标的3D目标检测。该方案，通过采用分层细化和动态样本分配的方案，提升对3D目标检测的准确性。
-
-
-
Search Results
4
records
(took 0.021 seconds)
