公开(公告)号：CN116071661A

公开(公告)日：2023-05-05

申请号：CN202310359928.8

申请日：2023-04-06

Applicant: 厦门大学

Inventor： 陈一平 ,  陈钧 ,  王程 ,  程明

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于激光点云的城市道路场景语义分割方法，包括以下步骤：S1、对原始城市街道点云进行体素下采样得到点云；S2、为点云的所有点随机分配概率值，构建网络的输入点集；S3、训练基于图卷积和注意力融合的神经网络；S4、通过基于图卷积和注意力融合的神经网络进行语义分割预测；该方法使用图卷积和注意力融合的神经网络，提高了城市街道点云的语义分割准确性和效率。

公开(公告)号：CN116310350B

公开(公告)日：2023-08-18

申请号：CN202310596881.7

申请日：2023-05-25

Applicant: 厦门大学

Inventor： 王程 ,  陈钧 ,  陈一平

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/096 ,  G06N3/0895 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开了基于图卷积和半监督学习网络的城市场景语义分割方法，包括如下步骤：S1、预训练图卷积网络以获得初始化参数；S2、一次输入原始点集，输出特征向量；S3、对原始点集根据每个点的邻域计算特征向量；S4、计算特征向量和的距离作为损失函数以调整图卷积网络的参数；S5、利用有标签数据为无标签数据分配伪标签；S6、对分配了伪标签的进行语义分割并预测每个点的类别。本发明的方法仅需少量有标注数据即可实现城市道路场景语义分割。

公开(公告)号：CN116310350A

公开(公告)日：2023-06-23

申请号：CN202310596881.7

申请日：2023-05-25

Applicant: 厦门大学

Inventor： 王程 ,  陈钧 ,  陈一平

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/096 ,  G06N3/0895 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开了基于图卷积和半监督学习网络的城市场景语义分割方法，包括如下步骤：S1、预训练图卷积网络以获得初始化参数；S2、一次输入原始点集，输出特征向量；S3、对原始点集根据每个点的邻域计算特征向量；S4、计算特征向量和的距离作为损失函数以调整图卷积网络的参数；S5、利用有标签数据为无标签数据分配伪标签；S6、对分配了伪标签的进行语义分割并预测每个点的类别。本发明的方法仅需少量有标注数据即可实现城市道路场景语义分割。

公开(公告)号：CN116071661B

公开(公告)日：2023-06-23

申请号：CN202310359928.8

申请日：2023-04-06

Applicant: 厦门大学

Inventor： 陈一平 ,  陈钧 ,  王程 ,  程明

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于激光点云的城市道路场景语义分割方法，包括以下步骤：S1、对原始城市街道点云进行体素下采样得到点云；S2、为点云的所有点随机分配概率值，构建基于图卷积和注意力融合的神经网络的输入点集；S3、训练基于图卷积和注意力融合的神经网络；S4、通过基于图卷积和注意力融合的神经网络进行语义分割预测；该方法使用图卷积和注意力融合的神经网络，提高了城市街道点云的语义分割准确性和效率。