-
公开(公告)号：CN113362465B
公开(公告)日：2022-07-15
申请号：CN202110627208.6
申请日：2021-06-04
Applicant: 中南大学
Abstract: 本发明公开了一种非刚性三维形状逐点对应方法，包括获取待对应的三维网格；计算三维网格的拉普拉斯矩阵；计算拉普拉斯矩阵的广义特征值分解得到对应的特征向量和特征值；选择紧框架小波滤波器并生成对应的滤波器；迭代优化函数映射和逐点映射矩阵得到待对应的三维网格之间的逐点对应。本发明还公开了包括所述非刚性三维形状逐点对应方法的人体心脏运动仿真方法。本发明使用多尺度小波的保值作为约束，约束更加简单、紧凑和有效，而且迭代收敛速度更快，鲁棒性更高；同时，本发明方法的对应效果更好，而且计算效率更高。
-
公开(公告)号：CN113792859B
公开(公告)日：2022-06-17
申请号：CN202111069850.3
申请日：2021-09-13
Applicant: 中南大学
IPC: G06N3/04 , G06N3/08 , G06K9/62 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种无监督形状对应方法，包括获取训练数据和测试数据，生成数据集；对数据集进行预处理；采用特征提取网络对预处理后的数据集进行特征提取；采用针对泛函数的谱流形小波约束优化，得到形状对应的概率密度矩阵，生成初始形状对应模型；提出作用于形状对应网络的无监督损失函数；生成最终形状对应模型；将初始三维形状发送到最终形状对应模型，生成带有初始三维形状特征信息的三维形状模型。本发明，精度高，速度快。并进一步提升了使用深度学习的形状对应算法的准确率，输出形状更加鲁棒。提出的无监督损失函数不需要网络额外的输入或者预先计算其他信息，大大提升了效率。
-
公开(公告)号：CN110910492A
公开(公告)日：2020-03-24
申请号：CN201911204811.2
申请日：2019-11-29
Applicant: 中南大学
Abstract: 本发明公开了一种非刚性三维模型之间点点匹配的方法，该方法包括以下步骤：先建立各向异性谱流形小波描述符；再以建立的描述符作为模型点的描述符约束，采用模型上各点的热核关系作为点对关系约束，建立目标函数，实现模型点间的最优匹配。本发明先在前期建立各向异性谱流形小波描述符，再采用热核关系作为点对关系约束。相较于现有方法而言，各向异性谱流形小波描述符具有等距变形不变性、能区分模型的内蕴对称性、具有高分辨能力和定位能力、计算效率高，结构紧凑的优势；热核关系作为点对关系约束比其他采用测地距离的方法计算效率和稳定性更优越；从而保证本方法计算明确，结果鲁棒，匹配准确。
-
公开(公告)号：CN118887416B
公开(公告)日：2024-12-10
申请号：CN202411394057.4
申请日：2024-10-08
Applicant: 中南大学
IPC: G06V10/40 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V10/74 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种三维点云数据的特征提取方法，包括获取已知的三维点云数据集并预处理；在三维点云数据集的最小包围盒的顶点处设置源电荷并构建三维点云数据集中各个点的探针点电荷；计算三维点云数据集中各个点的点几何库仑力；将点几何库仑力与对应的三维坐标合并得到训练数据集，并对深度学习网络进行训练得到特征提取网络；采用特征提取网络完成目标三维点云数据的特征提取。本发明还公开了一种包括所述三维点云数据的特征提取方法的分类分割方法，以及实现所述三维点云数据的特征提取方法的系统。本发明具有低维和显式的特征，对真实数据具有更强的鲁棒性，不仅能够实现三维点云数据的特征提取，而且可靠性更高，精确性更好，适用性更好。
-
公开(公告)号：CN113421331A
公开(公告)日：2021-09-21
申请号：CN202110685021.1
申请日：2021-06-21
Applicant: 中南大学
Abstract: 本发明公开了一种曲面重建方法，包括获取给定曲线曲面上的一个数据点列及对应的法向量；构造初始曲线曲面；计算残差向量；赋予每个点权重、计算最小化步长并更新参数；生成新的共轭向量参数并得到新的共轭向量；生成新的曲线曲面；重复上述步骤直至达到设定条件得到最终重建的曲面。本发明还公开了包括所述曲面重建方法的物体外观检测方法，以及所述曲面重建方法的应用方法。本发明提供的这种曲面重建方法、物体外观检测方法及应用方法，构造了以拟插值结果为初值，基于局部支撑径向基函数的隐式几何迭代方法进行点云重建，重建效果更好，而且简单易行，可靠性高，准确性好，精确度高。
-
Patent Agency Ranking
公开(公告)号：CN118887416A
公开(公告)日：2024-11-01
申请号：CN202411394057.4
申请日：2024-10-08
Applicant: 中南大学
IPC: G06V10/40 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V10/74 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种三维点云数据的特征提取方法，包括获取已知的三维点云数据集并预处理；在三维点云数据集的最小包围盒的顶点处设置源电荷并构建三维点云数据集中各个点的探针点电荷；计算三维点云数据集中各个点的点几何库仑力；将点几何库仑力与对应的三维坐标合并得到训练数据集，并对深度学习网络进行训练得到特征提取网络；采用特征提取网络完成目标三维点云数据的特征提取。本发明还公开了一种包括所述三维点云数据的特征提取方法的分类分割方法，以及实现所述三维点云数据的特征提取方法的系统。本发明具有低维和显式的特征，对真实数据具有更强的鲁棒性，不仅能够实现三维点云数据的特征提取，而且可靠性更高，精确性更好，适用性更好。
-
公开(公告)号：CN113362465A
公开(公告)日：2021-09-07
申请号：CN202110627208.6
申请日：2021-06-04
Applicant: 中南大学
Abstract: 本发明公开了一种非刚性三维形状逐点对应方法，包括获取待对应的三维网格；计算三维网格的拉普拉斯矩阵；计算拉普拉斯矩阵的广义特征值分解得到对应的特征向量和特征值；选择紧框架小波滤波器并生成对应的滤波器；迭代优化函数映射和逐点映射矩阵得到待对应的三维网格之间的逐点对应。本发明还公开了包括所述非刚性三维形状逐点对应方法的人体心脏运动仿真方法。本发明使用多尺度小波的保值作为约束，约束更加简单、紧凑和有效，而且迭代收敛速度更快，鲁棒性更高；同时，本发明方法的对应效果更好，而且计算效率更高。
-
公开(公告)号：CN110910492B
公开(公告)日：2021-02-02
申请号：CN201911204811.2
申请日：2019-11-29
Applicant: 中南大学
Abstract: 本发明公开了一种非刚性三维模型之间点点匹配的方法，该方法包括以下步骤：先建立各向异性谱流形小波描述符；再以建立的描述符作为模型点的描述符约束，采用模型上各点的热核关系作为点对关系约束，建立目标函数，实现模型点间的最优匹配。本发明先在前期建立各向异性谱流形小波描述符，再采用热核关系作为点对关系约束。相较于现有方法而言，各向异性谱流形小波描述符具有等距变形不变性、能区分模型的内蕴对称性、具有高分辨能力和定位能力、计算效率高，结构紧凑的优势；热核关系作为点对关系约束比其他采用测地距离的方法计算效率和稳定性更优越；从而保证本方法计算明确，结果鲁棒，匹配准确。
-
公开(公告)号：CN113421331B
公开(公告)日：2022-06-17
申请号：CN202110685021.1
申请日：2021-06-21
Applicant: 中南大学
Abstract: 本发明公开了一种曲面重建方法，包括获取给定曲线曲面上的一个数据点列及对应的法向量；构造初始曲线曲面；计算残差向量；赋予每个点权重、计算最小化步长并更新参数；生成新的共轭向量参数并得到新的共轭向量；生成新的曲线曲面；重复上述步骤直至达到设定条件得到最终重建的曲面。本发明还公开了包括所述曲面重建方法的物体外观检测方法，以及所述曲面重建方法的应用方法。本发明提供的这种基于曲面重建方法的物体外观检测方法及应用方法，构造了以拟插值结果为初值，基于局部支撑径向基函数的隐式几何迭代方法进行点云重建，重建效果更好，而且简单易行，可靠性高，准确性好，精确度高。
-
公开(公告)号：CN113792859A
公开(公告)日：2021-12-14
申请号：CN202111069850.3
申请日：2021-09-13
Applicant: 中南大学
Abstract: 本发明公开了一种无监督形状对应方法，包括获取训练数据和测试数据，生成数据集；对数据集进行预处理；采用特征提取网络对预处理后的数据集进行特征提取；采用针对泛函数的谱流形小波约束优化，得到形状对应的概率密度矩阵，生成初始形状对应模型；提出作用于形状对应网络的无监督损失函数；生成最终形状对应模型；将初始三维形状发送到最终形状对应模型，生成带有初始三维形状特征信息的三维形状模型。本发明，精度高，速度快。并进一步提升了使用深度学习的形状对应算法的准确率，输出形状更加鲁棒。提出的无监督损失函数不需要网络额外的输入或者预先计算其他信息，大大提升了效率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
