-
公开(公告)号：CN113160285A
公开(公告)日：2021-07-23
申请号：CN202110501063.5
申请日：2021-05-08
Applicant: 中国科学院自动化研究所苏州研究院
Abstract: 本发明公开了一种基于局部深度图像关键性的点云匹配方法，涉及点云匹配技术领域，包括用相机采集模型的二维图片和点云数据；标注二维图片的关键区域并获取点云的关键区域；选取关键点并获取关键点处的切平面，将关键点的邻域向切平面投影，投影位置为像素坐标，点到投影位置距离为灰度值，生成局部深度图；将关键点和非关键点的局部深度图设为训练样本，用算法对其训练一个神经网络，基于神经网络判断出的关键性数值，采用点云几何特征算法进行点云匹配。本发明利用深度学习技术，对各点在匹配任务中的关键性判断，降低了非关键性点在匹配中的干扰，提高了匹配准确度和速度。
-
公开(公告)号：CN111951197A
公开(公告)日：2020-11-17
申请号：CN202010818380.5
申请日：2020-08-14
Applicant: 中国科学院自动化研究所苏州研究院
Abstract: 本发明提供了一种基于结构光的点云分割方法，属于点云分割技术领域。本发明利用由结构光相机生成的点云数据，具有像素与空间点云一一对应的特性，建立起物体的空间坐标与像素坐标之间的对应，将三维点云数据映射到二维图像上，从而快速获取空间无序点云间的拓扑关系，通过对像素坐标的处理，来实现对相应空间坐标的处理，再借助图像处理中的形态学技术，例如图像腐蚀和图像膨胀，将有小部分连接的物体与背景点云完全分割开来。本发明达到了完整分割目标物体与背景点云的目的。
-
Search Results
12
records
(took 0.023 seconds)
