公开(公告)号：CN111310811B

公开(公告)日：2021-01-15

申请号：CN202010081755.4

申请日：2020-02-06

Applicant: 东华理工大学

Inventor： 王蕾 ,  程海霞 ,  张志勇 ,  陆玲

IPC: G06K9/62 ,  G06K9/00

Abstract: 本发明公开了一种基于多维特征最优组合的大场景三维点云分类方法，具体为：以3D点云每一个点为中心，利用“Kd‑tree”算法搜索邻近的100个点，并提取三维特征，形成一个17*17的特征矩阵，将点云分别投影到3个不同的坐标平面，并利用“Kd‑tree”算法搜索邻近的100个点对该三个平面提取2D特征，得到一个12*12的特征矩阵X，对二维特征矩阵X进行多维特征排列组合，得出最优排列矩阵X＝[X(XOZ),X(YOZ),X(XOY)],对2D/3D特征进行多维特征加权组合得到29*29的特征矩阵Z(X,Y)，将其输入到深度学习框架中，CliqueNet运行得出结果。

公开(公告)号：CN111310811A

公开(公告)日：2020-06-19

申请号：CN202010081755.4

申请日：2020-02-06

Applicant: 东华理工大学

Inventor： 王蕾 ,  程海霞 ,  张志勇 ,  陆玲

IPC: G06K9/62 ,  G06K9/00

Abstract: 本发明公开了一种基于多维特征最优组合的大场景三维点云分类方法，具体为：以3D点云每一个点为中心，利用“Kd-tree”算法搜索邻近的100个点，并提取三维特征，形成一个17*17的特征矩阵，将点云分别投影到3个不同的坐标平面，并利用“Kd-tree”算法搜索邻近的100个点对该三个平面提取2D特征，得到一个12*12的特征矩阵X，对二维特征矩阵X进行多维特征排列组合，得出最优排列矩阵X＝[X(XOZ),X(YOZ),X(XOY)],对2D/3D特征进行多维特征加权组合得到29*29的特征矩阵Z(X,Y)，将其输入到深度学习框架中，CliqueNet运行得出结果。