公开(公告)号：CN114373099B

公开(公告)日：2025-04-25

申请号：CN202210007757.8

申请日：2022-01-05

Applicant: 上海交通大学

Inventor： 刘世允 ,  徐昌庆 ,  何迪

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于稀疏图卷积的三维点云分类方法，包括步骤A：数据预处理，对原始的三维点云数据进行归一化处理和均匀采样；步骤B：构建分类网络模型，分类网络模型主要包含稀疏图卷积模块和特征聚合模块；步骤C：训练分类网络模型，对训练样本通过分类网络的特征提取层提取出1024维向量并进行分类，对分类结果进行反向传播对模型进行迭代；步骤D：三维测试点云样本分类，利用训练好的基于稀疏图卷积的神经网络模型进行三维点云数据的分类实验。本发明采用稀疏化构建局部邻域图的方式，扩大了中心点的感受野，同时减少了邻近点特征信息的冗余度；采用基于注意力机制的稀疏特征聚合的方式，对特征信息进行压缩和增强，避免重要的特征信息在聚合过程中丢失。

公开(公告)号：CN114373099A

公开(公告)日：2022-04-19

申请号：CN202210007757.8

申请日：2022-01-05

Applicant: 上海交通大学

Inventor： 刘世允 ,  徐昌庆 ,  何迪

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于稀疏图卷积的三维点云分类方法，包括步骤A：数据预处理，对原始的三维点云数据进行归一化处理和均匀采样；步骤B：构建分类网络模型，分类网络模型主要包含稀疏图卷积模块和特征聚合模块；步骤C：训练分类网络模型，对训练样本通过分类网络的特征提取层提取出1024维向量并进行分类，对分类结果进行反向传播对模型进行迭代；步骤D：三维测试点云样本分类，利用训练好的基于稀疏图卷积的神经网络模型进行三维点云数据的分类实验。本发明采用稀疏化构建局部邻域图的方式，扩大了中心点的感受野，同时减少了邻近点特征信息的冗余度；采用基于注意力机制的稀疏特征聚合的方式，对特征信息进行压缩和增强，避免重要的特征信息在聚合过程中丢失。