-
公开(公告)号:CN119445291A
公开(公告)日:2025-02-14
申请号:CN202510038073.8
申请日:2025-01-10
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/084 , G06V10/74
Abstract: 一种融合局部特征与全局上下文信息的三维点云任务分析方法,属于三维点云任务分析领域,包括以下步骤:步骤1、构建点云数据集,过程如下:步骤1.1)、定义数据集;步骤1.2)、点云数据集预处理;步骤2、点云数据集采样,通过最远点采样FPS方式将原始点云数据集的点云数量下采样到固定值;步骤3、点云数据集分组;步骤4、局部特征提取;步骤5、邻域特征传播;步骤6、构建空间形状位置编码;步骤7、构建通道注意力;步骤8、局部特征增强,步骤9、全局上下文特征提取;步骤10、三维点云分类以及分割任务。本发明有效提高三维点云任务的精度。
-
公开(公告)号:CN117593478A
公开(公告)日:2024-02-23
申请号:CN202311536484.7
申请日:2023-11-17
Applicant: 中国计量大学
IPC: G06T17/20 , G06V20/64 , G06V10/762 , G06N3/0499 , G06N3/0895 , G06N3/0985
Abstract: 一种基于CSG‑BASE Net的大场景三维点云数据建模方法,包括以下步骤:步骤一:聚类点云数据,过程如下:步骤1.1)点云数据;步骤1.2)定义基元;步骤1.3)聚类点云;步骤1.4)生成基元;步骤二:构建CSG‑Base Net;步骤三:损失函数:以自监督的方式端到端地训练CSG‑Base Net,CSG‑Base Net学习预测具有基元及其连接的CSG‑Base,自监督任务是在无标注的数据上通过设计监督任务训练模型。本发明能够处理大型的数据集,提高了模型的普适性和泛化能力。
-