-
公开(公告)号：CN119360003A
公开(公告)日：2025-01-24
申请号：CN202411906781.0
申请日：2024-12-24
Applicant: 无锡学院
Abstract: 基于跨柱体特征聚合的三维点云目标检测方法和系统，属于目标检测技术领域，解决点云目标检测无法同时兼顾检测精度和检测速度问题。本发明的方法包括：柱体特征编码模块，用于将点云数据划分为柱体，并对柱体中包含的特征信息进行编码和跨柱体特征聚和处理，随后将点云数据转换为伪图像，以便输入至骨干网络进行进一步的特征提取；在骨干网络中，通过多个设计优化的残差块和上采样块提取空间特征，生成更高维度的特征图；利用检测器生成目标类别、边界框以及目标方向的预测结果。在模型的柱体特征编码模块中，点云数据被划分为一系列柱体。对柱体进行编码，将不规则的点云数据转换为规则的网格结构。本发明适用于自动驾驶场景的三维目标检测。
-
公开(公告)号：CN118608802A
公开(公告)日：2024-09-06
申请号：CN202410956189.5
申请日：2024-07-17
Applicant: 无锡学院
IPC: G06V10/46 , G06N3/045 , G06N3/0895 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明属于点云检测技术领域，具体涉及一种基于超类的点云关键点检测方法及其检测系统。步骤1：生成超类别点云的特征；步骤2：构建孪生网络模型，对其中的点云关键点检测采用MHSCPD算法；步骤3：对步骤2构建的孪生网络模型进行训练，实现点云关键点检测；所述步骤2具体为，在特征空间中利用MHSC的超类别的多头分类机制根据现有的点云在特征空间中的分布情况，自适应的选择虚拟超类锚点进行聚类，根据同类之间的私有特征调整同类特征差异较大的样本之间的距离。本发明可以大幅提升点云关键点检测方法的精度，同时具有更优秀的鲁棒性。
-
公开(公告)号：CN118279674A
公开(公告)日：2024-07-02
申请号：CN202410685419.9
申请日：2024-05-30
Applicant: 无锡学院
IPC: G06V10/764 , G06N3/0455 , G06N3/0464 , G06V10/26 , G06V10/40 , G06V10/80 , G06V10/82
Abstract: 本发明属于点云数据处理技术领域，本发明公开了基于切片式层级点云网络的目标分类、分割及检测方法，方法包括：将所述点云数据集输入已训练完成的SAPT多任务模型中，输出包含三种下游任务结果的综合处理结果；本发明采用point transformer网络结合锚点共享技术，在切片式的特征提取后利用自然语言处理技术NLP或图像处理IMAGE技术，提取到更加细节的全局特征，削弱关键点的权重，直接利用当前提取到的特征实现目标检测性能。
-
Patent Agency Ranking
公开(公告)号：CN118038085B
公开(公告)日：2024-06-07
申请号：CN202410417807.9
申请日：2024-04-09
Applicant: 无锡学院
IPC: G06V10/46 , G06N3/045 , G06N3/088 , G06N3/0895 , G06V10/764 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 一种基于孪生网络的点云关键点检测方法及装置，涉及点云关键点检测领域。解决了现有技术输入的点云是单视角或存在缺陷时，其无法有效输出缺失位置的关键点的问题。所述方法包括将两个同一个物体的不同的单视觉点云数据输入孪生网络模型中，通过无监督学习训练得到两组有点云位置的受约束的关键点；将两组所述受约束的关键点拼接，合成完整的所述物体的关键点；通过孪生网络模型中的两个网络拟合，得到完整的不被约束的关键点；将检测关键点的任务分配给对应的关键点类别，得到训练好的孪生网络模型；输出一组受约束的关键点和一组不受约束的关键点，完成点云关键点的检测。还适用于缺失位置的关键点检测中。
-
公开(公告)号：CN118038085A
公开(公告)日：2024-05-14
申请号：CN202410417807.9
申请日：2024-04-09
Applicant: 无锡学院
IPC: G06V10/46 , G06N3/045 , G06N3/088 , G06N3/0895 , G06V10/764 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 一种基于孪生网络的点云关键点检测方法及装置，涉及点云关键点检测领域。解决了现有技术输入的点云是单视角或存在缺陷时，其无法有效输出缺失位置的关键点的问题。所述方法包括将两个同一个物体的不同的单视觉点云数据输入孪生网络模型中，通过无监督学习训练得到两组有点云位置的受约束的关键点；将两组所述受约束的关键点拼接，合成完整的所述物体的关键点；通过孪生网络模型中的两个网络拟合，得到完整的不被约束的关键点；将检测关键点的任务分配给对应的关键点类别，得到训练好的孪生网络模型；输出一组受约束的关键点和一组不受约束的关键点，完成点云关键点的检测。还适用于缺失位置的关键点检测中。
-
公开(公告)号：CN119360003B
公开(公告)日：2025-03-28
申请号：CN202411906781.0
申请日：2024-12-24
Applicant: 无锡学院
Abstract: 基于跨柱体特征聚合的三维点云目标检测方法和系统，属于目标检测技术领域，解决点云目标检测无法同时兼顾检测精度和检测速度问题。本发明的方法包括：柱体特征编码模块，用于将点云数据划分为柱体，并对柱体中包含的特征信息进行编码和跨柱体特征聚和处理，随后将点云数据转换为伪图像，以便输入至骨干网络进行进一步的特征提取；在骨干网络中，通过多个设计优化的残差块和上采样块提取空间特征，生成更高维度的特征图；利用检测器生成目标类别、边界框以及目标方向的预测结果。在模型的柱体特征编码模块中，点云数据被划分为一系列柱体。对柱体进行编码，将不规则的点云数据转换为规则的网格结构。本发明适用于自动驾驶场景的三维目标检测。
-
公开(公告)号：CN118279674B
公开(公告)日：2024-09-27
申请号：CN202410685419.9
申请日：2024-05-30
Applicant: 无锡学院
IPC: G06V10/764 , G06N3/0455 , G06N3/0464 , G06V10/26 , G06V10/40 , G06V10/80 , G06V10/82
Abstract: 本发明属于点云数据处理技术领域，本发明公开了基于切片式层级点云网络的目标分类、分割及检测方法，方法包括：将所述点云数据集输入已训练完成的SAPT多任务模型中，输出包含三种下游任务结果的综合处理结果；本发明采用point transformer网络结合锚点共享技术，在切片式的特征提取后利用自然语言处理技术NLP或图像处理IMAGE技术，提取到更加细节的全局特征，削弱关键点的权重，直接利用当前提取到的特征实现目标检测性能。
-
公开(公告)号：CN119229476A
公开(公告)日：2024-12-31
申请号：CN202411718475.4
申请日：2024-11-28
Applicant: 无锡学院
IPC: G06V40/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/20 , G06V10/40 , G06V10/80 , G06V10/82
Abstract: 基于深度学习特征增强的复杂背景下昆虫检测方法和系统，涉及小目标检测领域。解决了农业昆虫检测缺乏真实场景中动态捕获到的昆虫图像的问题。方法包括：获取图像，并对所述图像进行预处理；构建S‑Insect‑Det网络结构，S‑Insect‑Det网络结构包括主干网络、颈部网络和检测头；所述主干网络为基于Transformer的EfficientViT网络；所述颈部网络为双向多尺度融合架构；通过主干网络进行图像特征提取，并通过颈部网络进行多尺度特征融合；通过检测头输出特征融合后的特征表示，获取昆虫识别结果。本发明应用于昆虫识别领域。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
