-
公开(公告)号：CN117078518B
公开(公告)日：2024-12-20
申请号：CN202311154465.8
申请日：2023-09-08
Applicant: 南京邮电大学
IPC: G06F17/10
Abstract: 本发明属于三维点云超分领域，公开了基于多模态迭代融合的三维点云超分方法，主要包括以下步骤：采用Unet特征提取模块对低分点云和K次触觉点云分别进行特征提取，将低分点云特征和K次触觉特征再进行迭代融合，经过K次迭代融合后的特征与原有低分点云一起送入Transformer编码器模块，经过特征重排操作和坐标重建得到高分点云；迭代融合包括，首次迭代融合时输入为低分点云特征和首次触觉特征，第k+1次迭代的输入为k次迭代融合的特征加上第k次触觉特征。本发明有效提高了多次触觉信息对低分点云超分任务的辅助作用，提高了高分辨率点云的质量，并且在实验中观察不同迭代次数的效果，得到迭代次数最优值K。
-
公开(公告)号：CN116843548A
公开(公告)日：2023-10-03
申请号：CN202310661648.2
申请日：2023-06-06
Applicant: 南京邮电大学
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06N3/082 , G06N3/048 , G06V10/44 , G06V10/80 , G06V10/774
Abstract: 本发明属于三维点云超分辨率领域，具体涉及基于机器学习的触觉辅助三维点云超分辨率方法。克服了高倍点云超分辨率时输入低分辨率点云信息过少导致重建出的高分辨率点云边缘效果不佳的问题，利用局部触觉信息改善点云超分辨率效果。主要包括以下步骤：步骤1、构建含有局部触觉信息的点云超分辨率数据集；步骤2、使用构建出的点云特征提取模块将输入到神经网络的低分辨率点云和局部触觉点云做特征提取并融合；步骤3、以监督学习的方式使用数据集训练神经网络；步骤4、将低分辨率点云和局部触觉点云输入到训练好的网络中，生成高分辨率点云。
-
公开(公告)号：CN116843548B
公开(公告)日：2024-12-20
申请号：CN202310661648.2
申请日：2023-06-06
Applicant: 南京邮电大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06N3/082 , G06N3/048 , G06V10/44 , G06V10/80 , G06V10/774
Abstract: 本发明属于三维点云超分辨率领域，具体涉及基于机器学习的触觉辅助三维点云超分辨率方法。克服了高倍点云超分辨率时输入低分辨率点云信息过少导致重建出的高分辨率点云边缘效果不佳的问题，利用局部触觉信息改善点云超分辨率效果。主要包括以下步骤：步骤1、构建含有局部触觉信息的点云超分辨率数据集；步骤2、使用构建出的点云特征提取模块将输入到神经网络的低分辨率点云和局部触觉点云做特征提取并融合；步骤3、以监督学习的方式使用数据集训练神经网络；步骤4、将低分辨率点云和局部触觉点云输入到训练好的网络中，生成高分辨率点云。
-
公开(公告)号：CN117078518A
公开(公告)日：2023-11-17
申请号：CN202311154465.8
申请日：2023-09-08
Applicant: 南京邮电大学
IPC: G06T3/40 , G06V10/774 , G06V10/77 , G06V10/80
Abstract: 本发明属于三维点云超分领域，公开了基于多模态迭代融合的三维点云超分方法，主要包括以下步骤：采用Unet特征提取模块对低分点云和K次触觉点云分别进行特征提取，将低分点云特征和K次触觉特征再进行迭代融合，经过K次迭代融合后的特征与原有低分点云一起送入Transformer编码器模块，经过特征重排操作和坐标重建得到高分点云；迭代融合包括，首次迭代融合时输入为低分点云特征和首次触觉特征，第k+1次迭代的输入为k次迭代融合的特征加上第k次触觉特征。本发明有效提高了多次触觉信息对低分点云超分任务的辅助作用，提高了高分辨率点云的质量，并且在实验中观察不同迭代次数的效果，得到迭代次数最优值K。
-
-
-
Search Results
4
records
(took 0.01 seconds)
