-
公开(公告)号：CN114743014B
公开(公告)日：2024-10-18
申请号：CN202210311581.5
申请日：2022-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多头自注意力的激光点云特征提取方法及装置，该方法包括：获取激光雷达的原始点云信息；对原始点云信息进行体素分割，得到深度图；对深度图进行低级特征提取，得到低级特征图；基于级联的自注意力感知网络对低级特征图依次进行多次特征感知，得到高级特征图；将低级特征图和高级特征图进行融合，得到最终的点云特征图。该方法同时兼顾了原始图像的高级特征与低级特征，充分利用了原始点云的三维信息，有效防止了在多层特征提取下丢失低级特征的问题，提高了特征对原始数据的表达能力，进而提升了后续检测精度和效率。
-
公开(公告)号：CN114821033B
公开(公告)日：2025-02-18
申请号：CN202210289428.7
申请日：2022-03-23
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于激光点云的三维信息增强的检测识别方法及装置，该方法包括：对原始点云数据进行体素化处理得到若干体素；提取每个非空体素的点云体素特征得到若干特征图；将若干特征图输入到区域建议网络中生成第一阶段候选框；将第一阶段候选框输入点云空间形状补全网络中，得到目标点集；从目标点集中提取点云结构信息得到全局结构信息；从原始点云数据中采样每个关键点附近的非空体素特征结合作为关键点特征；对关键点特征进行提取得到网格点特征；将网格点特征和全局结构信息进行融合得到增强特征；对增强特征进行置信度预测和候选框细化得到置信度和边界框参数。该方法增强了点云数据的特征表示，提高了激光点云目标检测精度。
-
公开(公告)号：CN114779209B
公开(公告)日：2024-07-12
申请号：CN202210311588.7
申请日：2022-03-28
Applicant: 西安电子科技大学
IPC: G01S7/48
Abstract: 本发明公开了一种激光雷达点云体素化方法，包括：步骤1：获取原始点云数据并将其划分为若干体素；步骤2：设置降采样阈值和动态增量；步骤3：对于任一体素，若判断该体素内点的个数超过所述降采样阈值，则根据所述动态增量确定该体素最后的保留点数，并根据所述保留点数对该体素进行降采样处理；否则，保留当前体素内的所有点，不对其进行降采样处理；步骤4：重复步骤3，直至完成所有体素的处理，得到体素化后的点云。本发明提供的激光雷达点云体素化方法使得在原始点云分布极不均匀的情况下，尽可能的保留原始信息，从而取得更好体素化的效果。
-
公开(公告)号：CN114779209A
公开(公告)日：2022-07-22
申请号：CN202210311588.7
申请日：2022-03-28
Applicant: 西安电子科技大学
IPC: G01S7/48
Abstract: 本发明公开了一种激光雷达点云体素化方法，包括：步骤1：获取原始点云数据并将其划分为若干体素；步骤2：设置降采样阈值和动态增量；步骤3：对于任一体素，若判断该体素内点的个数超过所述降采样阈值，则根据所述动态增量确定该体素最后的保留点数，并根据所述保留点数对该体素进行降采样处理；否则，保留当前体素内的所有点，不对其进行降采样处理；步骤4：重复步骤3，直至完成所有体素的处理，得到体素化后的点云。本发明提供的激光雷达点云体素化方法使得在原始点云分布极不均匀的情况下，尽可能的保留原始信息，从而取得更好体素化的效果。
-
公开(公告)号：CN112561796B
公开(公告)日：2024-04-16
申请号：CN202011392367.4
申请日：2020-12-02
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06T5/50
Abstract: 本发明公开了一种基于自注意生成对抗网络的激光点云超分辨率重建方法，通过生成器网络中对激光点云图像进行特征提取，获得激光点云特征；对所述激光点云特征进行特征扩展，再进行坐标重建，获得密集点云数据；对所述密集点云数据进行鉴别确定对应的置信度；根据所述密集点云数据的置信度预判对应的密集点云数据，如果该置信度值接近1，则鉴别器预测输入可能来自具有高置信度的目标分布，否则来自生成器，对所述密集点云数据进行特征集成，获得输出特征；通过输出特征对对抗网络进行训练得到最终的稠密点云数据。本发明能够实现不同特征提取单元之间的特征信息共享，在提高重建精度的同时减小模型的大小，利于网络模型的轻量化。
-
Patent Agency Ranking
公开(公告)号：CN110471082B
公开(公告)日：2022-01-07
申请号：CN201910742959.5
申请日：2019-08-13
Applicant: 西安电子科技大学
IPC: G01S17/89
Abstract: 本发明公开了一种单像素激光计算成像装置，包括主动照明模块，用于对待成像的目标场景进行照明；第一成像镜组，对经过目标场景反射的照明信息汇聚成像；DMD调制模块，产生多次编码的高斯随机编码模板矩阵，并根据所述高斯随机编码模板矩阵对目标场景信息进行随机编码调制获得编码后的目标场景信号；第二成像镜组，对所述编码后的目标场景信号进行畸变校正和二次成像；数据采集模块，对编码后的目标场景信号进行采集和转换获得两个反射方向上的目标场景信息的总强度值；高分辨率计算成像模块：对目标场景信息的总强度值进行压缩感知重构运算获得高分辨率图像；还公开了一种单像素激光计算成像方法。
-
公开(公告)号：CN112561796A
公开(公告)日：2021-03-26
申请号：CN202011392367.4
申请日：2020-12-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自注意生成对抗网络的激光点云超分辨率重建方法，通过生成器网络中对激光点云图像进行特征提取，获得激光点云特征；对所述激光点云特征进行特征扩展，再进行坐标重建，获得密集点云数据；对所述密集点云数据进行鉴别确定对应的置信度；根据所述密集点云数据的置信度预判对应的密集点云数据，如果该置信度值接近1，则鉴别器预测输入可能来自具有高置信度的目标分布，否则来自生成器，对所述密集点云数据进行特征集成，获得输出特征；通过输出特征对对抗网络进行训练得到最终的稠密点云数据。本发明能够实现不同特征提取单元之间的特征信息共享，在提高重建精度的同时减小模型的大小，利于网络模型的轻量化。
-
公开(公告)号：CN110471082A
公开(公告)日：2019-11-19
申请号：CN201910742959.5
申请日：2019-08-13
Applicant: 西安电子科技大学
IPC: G01S17/89
Abstract: 本发明公开了一种单像素激光计算成像装置，包括主动照明模块，用于对待成像的目标场景进行照明；第一成像镜组，对经过目标场景反射的照明信息汇聚成像；DMD调制模块，产生多次编码的高斯随机编码模板矩阵，并根据所述高斯随机编码模板矩阵对目标场景信息进行随机编码调制获得编码后的目标场景信号；第二成像镜组，对所述编码后的目标场景信号进行畸变校正和二次成像；数据采集模块，对编码后的目标场景信号进行采集和转换获得两个反射方向上的目标场景信息的总强度值；高分辨率计算成像模块：对目标场景信息的总强度值进行压缩感知重构运算获得高分辨率图像；还公开了一种单像素激光计算成像方法。
-
公开(公告)号：CN114821033A
公开(公告)日：2022-07-29
申请号：CN202210289428.7
申请日：2022-03-23
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于激光点云的三维信息增强的检测识别方法及装置，该方法包括：对原始点云数据进行体素化处理得到若干体素；提取每个非空体素的点云体素特征得到若干特征图；将若干特征图输入到区域建议网络中生成第一阶段候选框；将第一阶段候选框输入点云空间形状补全网络中，得到目标点集；从目标点集中提取点云结构信息得到全局结构信息；从原始点云数据中采样每个关键点附近的非空体素特征结合作为关键点特征；对关键点特征进行提取得到网格点特征；将网格点特征和全局结构信息进行融合得到增强特征；对增强特征进行置信度预测和候选框细化得到置信度和边界框参数。该方法增强了点云数据的特征表示，提高了激光点云目标检测精度。
-
公开(公告)号：CN114743014A
公开(公告)日：2022-07-12
申请号：CN202210311581.5
申请日：2022-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多头自注意力的激光点云特征提取方法及装置，该方法包括：获取激光雷达的原始点云信息；对原始点云信息进行体素分割，得到深度图；对深度图进行低级特征提取，得到低级特征图；基于级联的自注意力感知网络对低级特征图依次进行多次特征感知，得到高级特征图；将低级特征图和高级特征图进行融合，得到最终的点云特征图。该方法同时兼顾了原始图像的高级特征与低级特征，充分利用了原始点云的三维信息，有效防止了在多层特征提取下丢失低级特征的问题，提高了特征对原始数据的表达能力，进而提升了后续检测精度和效率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
