公开(公告)号：CN116486089A

公开(公告)日：2023-07-25

申请号：CN202310678715.1

申请日：2023-06-09

Applicant: 厦门微亚智能科技有限公司

Inventor： 刘浩伟

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/74 ,  G06V10/764 ,  G06V20/70 ,  G06V10/778 ,  G06V10/82 ,  G06N5/01

Abstract: 本发明公开了一种基于知识蒸馏的点云分割网络轻量化方法，通过将点云与标签信息送入教师模型、学生模型，以分别获取第一特征图以及第一特征图的点特征重要性分数、第二特征图，再对第一特征图、第二特征图基于重要性分数、标签信息进行分类采样，进一步处理获得全局结构化信息、局部结构化信息，再结合标签信息与学生模型预测结果的交叉熵损失，获得语义分割的总损失；本发明提出了分类采样的类别均衡性采样策略，有效缓解了点云的稀疏性和类别不均衡性导致的问题，并针对点云语义分割设计了全局结构化信息提取和局部结构化信息提取，有效传递了教师模型学习到的知识。

公开(公告)号：CN116524197A

公开(公告)日：2023-08-01

申请号：CN202310788159.3

申请日：2023-06-30

Applicant: 厦门微亚智能科技有限公司

Inventor： 刘浩伟

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明提供了一种结合边缘点和深度网络的点云分割方法，包括：S1：根据点云数据，构建点云局部邻域关系，确定边缘点；S2：获取点云数据的边缘高阶特征，解码边缘高阶特征，获取边缘特征，再对边缘特征进行边缘点预测；S3：根据点云数据，获取点云数据的全局特征；S4：基于边缘特征获取注意力掩膜，通过注意力掩膜，将边缘特征与全局特征融合生成第一融合特征；S5：解码第一融合特征，获取第二融合特征，对第二融合特征进行语义类别预测，输出点云分割结果；S6：获取边缘点的预测损失值；获取点云分割损失值；通过组合边缘点的预测损失值与点云分割损失值，获得总损失值；通过以上方法，本发明有效实现了3D点云的精确语义分割。