公开(公告)号：CN112907602A

公开(公告)日：2021-06-04

申请号：CN202110121359.4

申请日：2021-01-28

Applicant: 中北大学

Inventor： 杨晓文 ,  王爱兵 ,  韩燮 ,  李芳 ,  郭子军 ,  彭志斌

IPC: G06T7/11 ,  G06K9/62

Abstract: 本发明公开了一种基于改进K‑近邻算法的三维场景点云分割方法，属于机器视觉技术领域。为优化局部特征提取网络，提高点云模型的分割精度，在深度神经网络PointNet基础上，结合改进K‑近邻算法的局部特征提取方法，将加入局部特征提取方法的神经网络命名为PointNet‑KNN。本发明以点的k邻域特征代替单个点特征作为输入进行特征提取，通过调节局部特征提取的网络深度，增强了局部邻域点与点之间的相互关联。在K‑近邻算法的改进上，本发明对局部邻域划分区域，将其划分为k个圆形邻域，根据局部邻域样本数据分布密度的差异计算待测点对于k个圆形邻域的加权分类情况，从而对待测点精准分类，最后将改进的K‑近邻算法应用于PointNet‑KNN点云分割网络具有更高的分割精度。

公开(公告)号：CN112907602B

公开(公告)日：2022-07-19

申请号：CN202110121359.4

申请日：2021-01-28

Applicant: 中北大学

Inventor： 杨晓文 ,  王爱兵 ,  韩燮 ,  李芳 ,  郭子军 ,  彭志斌

IPC: G06T7/11 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明公开了一种基于改进K‑近邻算法的三维场景点云分割方法，属于机器视觉技术领域。为优化局部特征提取网络，提高点云模型的分割精度，在深度神经网络PointNet基础上，结合改进K‑近邻算法的局部特征提取方法，将加入局部特征提取方法的神经网络命名为PointNet‑KNN。本发明以点的k邻域特征代替单个点特征作为输入进行特征提取，通过调节局部特征提取的网络深度，增强了局部邻域点与点之间的相互关联。在K‑近邻算法的改进上，本发明对局部邻域划分区域，将其划分为k个圆形邻域，根据局部邻域样本数据分布密度的差异计算待测点对于k个圆形邻域的加权分类情况，从而对待测点精准分类，最后将改进的K‑近邻算法应用于PointNet‑KNN点云分割网络具有更高的分割精度。