-
公开(公告)号：CN112330699B
公开(公告)日：2022-09-16
申请号：CN202011273565.9
申请日：2020-11-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及三维点云分割技术领域，特别是涉及一种基于重叠区域对齐的三维点云分割方法，包括确定需要进行分割的点云重叠区域对齐模型，并选择和构建该模型的点云数据集；对点云数据集中的点云进行区域化操作，生成点云数据对；构建基于重叠区域对齐的点云分割模型；设置基于重叠区域对齐的点云分割模型的损失函数计算点云数据对重叠区域估计产生的误差，以及点云数据对之间对齐的旋转误差；利用点云数据对对模型进行训练，在训练过程中使用随机梯度下降来优化模型预测输出与真实标签的误差，得到分割模型；本发明采用深度学习方法进行点云分割，解决边缘分割效果差的问题，并在分割过程中考虑了该问题造成的影响，提高了点云分割的精度。
-
Patent Agency Ranking
公开(公告)号：CN112365511A
公开(公告)日：2021-02-12
申请号：CN202011273571.4
申请日：2020-11-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及三维点云分割技术领域，具体涉及一种基于重叠区域检索与对齐的三维点云分割方法，包括：将点云数据集输入到训练好的点云分割模型中进行点云分割。本发明直接处理大场景点云，能够学习到更丰富的特征；无需提供参考点云，点云分割模型能够直接根据输入数据使用特征检索部分自动寻找参考点云；此外，本发明通过重叠区域检测、优化、对齐的策略完成两个有重叠区域的点云的对齐后，直接使用KNN算法实现标签的传递，使得边缘分割效果更优。
-
公开(公告)号：CN112365511B
公开(公告)日：2022-06-10
申请号：CN202011273571.4
申请日：2020-11-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及三维点云分割技术领域，具体涉及一种基于重叠区域检索与对齐的三维点云分割方法，包括：将点云数据集输入到训练好的点云分割模型中进行点云分割。本发明直接处理大场景点云，能够学习到更丰富的特征；无需提供参考点云，点云分割模型能够直接根据输入数据使用特征检索部分自动寻找参考点云；此外，本发明通过重叠区域检测、优化、对齐的策略完成两个有重叠区域的点云的对齐后，直接使用KNN算法实现标签的传递，使得边缘分割效果更优。
-
公开(公告)号：CN112927248B
公开(公告)日：2022-05-10
申请号：CN202110307518.X
申请日：2021-03-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及点云处理、三维点云分割领域技术领域，具体涉及一种基于局部特征增强和条件随机场的点云分割方法，该方法包括：将数据集输入训练好的点云分割网络模型中进行分割，得到分割结果，点云分割网络模型先训练后使用，其训练过程包括：将训练集输入到点云分割网络模型中，经处理后点云分割网络模型输出预测的标签图；真实标签做监督，根据真实标签和预测的标签图计算交叉熵损失函数；迭代多次，采用随机梯度下降算法优化损失函数，最终得到训练好的点云分割网络模型。本发明可以即解决局部特征提取能力差的问题，同时可以解决边缘分割效果差的问题。
-
公开(公告)号：CN112927248A
公开(公告)日：2021-06-08
申请号：CN202110307518.X
申请日：2021-03-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及点云处理、三维点云分割领域技术领域，具体涉及一种基于局部特征增强和条件随机场的点云分割方法，该方法包括：将数据集输入训练好的点云分割网络模型中进行分割，得到分割结果，点云分割网络模型先训练后使用，其训练过程包括：将训练集输入到点云分割网络模型中，经处理后点云分割网络模型输出预测的标签图；真实标签做监督，根据真实标签和预测的标签图计算交叉熵损失函数；迭代多次，采用随机梯度下降算法优化损失函数，最终得到训练好的点云分割网络模型。本发明可以即解决局部特征提取能力差的问题，同时可以解决边缘分割效果差的问题。
-
公开(公告)号：CN112330699A
公开(公告)日：2021-02-05
申请号：CN202011273565.9
申请日：2020-11-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及三维点云分割技术领域，特别是涉及一种基于重叠区域对齐的三维点云分割方法，包括确定需要进行分割的点云重叠区域对齐模型，并选择和构建该模型的点云数据集；对点云数据集中的点云进行区域化操作，生成点云数据对；构建基于重叠区域对齐的点云分割模型；设置基于重叠区域对齐的点云分割模型的损失函数计算点云数据对重叠区域估计产生的误差，以及点云数据对之间对齐的旋转误差；利用点云数据对对模型进行训练，在训练过程中使用随机梯度下降来优化模型预测输出与真实标签的误差，得到分割模型；本发明采用深度学习方法进行点云分割，解决边缘分割效果差的问题，并在分割过程中考虑了该问题造成的影响，提高了点云分割的精度。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
