一种基于多尺度特征融合的由粗到精点云形状补全方法

    公开(公告)号:CN116503552A

    公开(公告)日:2023-07-28

    申请号:CN202310404149.5

    申请日:2023-04-14

    Abstract: 本发明提供了一种基于多尺度特征融合的由粗到精点云形状补全方法,包括:第1阶段,生成点云骨架:从残缺点云X中提取全局特征通过多层感知机补全出一个粗糙的点云Ycoarse,将其作为完整点云的骨架;第2阶段,精炼几何特征:利用完整点云的骨架Ycoarse和残缺点云X学习到多尺度局部几何特征融合全局特征和局部几何特征将融合之后的特征逐步进行上采样并通过多层感知机生成精细的完整点云Y′。本发明的有益效果是:有效利用不同特征的优势,提高了点云补全神经网络的精度;基于深度学习图卷积神经网络,提高了点云补全结果的精度。

    基于高精度因子图优化的大场景点云地图融合方法及系统

    公开(公告)号:CN118887372A

    公开(公告)日:2024-11-01

    申请号:CN202411074960.2

    申请日:2024-08-07

    Abstract: 本申请提供了一种基于高精度因子图优化的大场景点云地图融合方法及系统,涉及点云地图领域,方法包括:获取不同建图算法输出的历史点云地图并进行处理,构建三维世界地图、历史点云特征数据库以及历史点云地图数据库;获取待合并点云地图并进行处理,得到待合并点云地图的分段点云地图块序列以及位姿点序列;根据待合并点云地图的位姿点序列以及历史点云地图数据库,确定重叠点云片段序列;通过历史点云特征数据库以及重叠点云片段序列,将待合并点云地图融合至三维世界地图中,完成待合并点云地图的融合。本申请的技术方案在全局统一坐标框架下实现了点云地图的扩展和动态更新。

    基于MLP的三维视线估计方法、装置、设备及存储介质

    公开(公告)号:CN115951775A

    公开(公告)日:2023-04-11

    申请号:CN202211621733.8

    申请日:2022-12-16

    Abstract: 本发明公开了一种基于MLP的三维视线估计方法、装置、设备及存储介质,该方法包括:构建基于MLP的UM‑Net网络,包括三条支路,分别为左眼特征提取支路、右眼特征提取支路和人脸特征提取支路;以及与三条支路均连接的特征拼接模块、与特征拼接模块依次连接的两个全连接层;获取待测数据集并进行预处理后输入UM‑Net网络;通过三条支路分别提取左眼图像特征、右眼图像特征和人脸图像特征,通过特征拼接后,通过第一个全连接层进行特征降维,并通过第二个全连接层回归出三维视线方向。本发明使用基于MLP的网络进行视线估计,网络结构简单,吞吐量大,预测速度快,且估计精度比肩基于CNNs的网络,具有高效、高精度以及实时性的优点。

    一种激光点云地图构建及检索系统、方法

    公开(公告)号:CN117251519A

    公开(公告)日:2023-12-19

    申请号:CN202311423535.5

    申请日:2023-10-30

    Abstract: 本发明提出了一种激光点云地图构建及检索系统及方法,包括客户端和服务端,服务端包括:点云地图构建模块、点云地图检索模块、算法服务模块、数据库以及运行环境,针对多次点云地图构建可能出现的区域重叠情况,设计了统一标准的地图融合方法;在进行算法层面的结构设计时,采用适配器设计模式,将ROS的基本功能进行二次封装,同时设计编写可扩展的算法执行器模块,实现算法处理逻辑的注册机制及算法调用时的动态匹配。本发明的方案能够提高激光点云地图构建效率及点云数据处理效率,在进行点云地图构建任务时,解决了建图区域重叠时的点云地图高程误差问题,便捷的点云地图数据的构建检索服务为后续的点云地图数据分析和应用提供基础支撑。

    一种基于局部点云位置关系的点云特征提取方法

    公开(公告)号:CN114998604A

    公开(公告)日:2022-09-02

    申请号:CN202210499455.7

    申请日:2022-05-09

    Abstract: 本发明提供了一种基于局部点云位置关系的点云特征提取方法,使用公开三维点云数据集作为数据来源,对原始三维点云数据依据空间填充曲线Z曲线的编码规则进行编码并排序;对排序后的数据采用位置信息编码方式提取并保存点云在Zorder序列中的位置信息从而进行进一步地数据增强;构建网络模型,基于Pointnet++网络结构构建一个迭代的特征提取网络模型;在网络模型中应用局部区域的注意力机制,以突出关注重要区域的重要特征;将特征提取网络得到的点云特征分别应用于点云分类、分割任务中,进行模型训练并对结果进行对比与展示。本发明的有益效果是:有效的提高网络的可靠性与鲁棒性,能够为更高层的应用如分类分割等提供更精确的结果。

    一种基于局部点云位置关系的点云特征提取方法

    公开(公告)号:CN114998604B

    公开(公告)日:2024-11-19

    申请号:CN202210499455.7

    申请日:2022-05-09

    Abstract: 本发明提供了一种基于局部点云位置关系的点云特征提取方法,使用公开三维点云数据集作为数据来源,对原始三维点云数据依据空间填充曲线Z曲线的编码规则进行编码并排序;对排序后的数据采用位置信息编码方式提取并保存点云在Zorder序列中的位置信息从而进行进一步地数据增强;构建网络模型,基于Pointnet++网络结构构建一个迭代的特征提取网络模型;在网络模型中应用局部区域的注意力机制,以突出关注重要区域的重要特征;将特征提取网络得到的点云特征分别应用于点云分类、分割任务中,进行模型训练并对结果进行对比与展示。本发明的有益效果是:有效的提高网络的可靠性与鲁棒性,能够为更高层的应用如分类分割等提供更精确的结果。

Patent Agency Ranking