-
公开(公告)号：CN111783798B
公开(公告)日：2023-09-15
申请号：CN202010620484.5
申请日：2020-07-01
Applicant: 北京大学深圳研究生院
IPC: G06V10/46 , G06V10/774 , G06T7/66 , G06T17/00
Abstract: 一种基于显著性特征的模拟残缺点云的遮罩生成方法，包括步骤一、获得当前点云点个数，损失函数衡量方式，以及丢弃率及循环次数；步骤二、在循环次数外，则跳出循环，输出点云遮罩M；步骤三、循环次数内，计算点云球心位置坐标xc，可使用所有坐标的中值或平均值来进行粗略衡量其球心位置；步骤四、根据损失函数，计算当前每个点云的梯度g；步骤五、计算当前点云中每个点相对于球心位置的变化率δ；步骤六、计算当前点云中每个点的显著性得分s＝‑w*δ；步骤七、将所有点得分从高到低进行排序，删除排序前[pN/T]个点。本发明能够生成多区域缺失的点云情况，较为简单随机下采样方式，更为多样化，而且更加产生更加灵活多变复杂的遮罩。
-
公开(公告)号：CN112215881A
公开(公告)日：2021-01-12
申请号：CN202011083681.4
申请日：2020-10-12
Applicant: 北京大学深圳研究生院
Abstract: 本发明涉一种衡量缺失点云覆盖度的点云补全测评方法，该方法包括步骤一：计算缺失点云相对于完整点云的覆盖度；步骤二：计算完整点云相对于缺失点云的覆盖度；步骤三：将步骤一和步骤二计算的值进行组合；本发明的衡量缺失点云覆盖度的点云补全测评方法能够满足衡量缺失点云的缺失不变性，根据缺失率的单调变化而呈现单调变化趋势，能够直观的衡量点云补全方法的补全效果。
-
公开(公告)号：CN110349230A
公开(公告)日：2019-10-18
申请号：CN201910635630.9
申请日：2019-07-15
Applicant: 北京大学深圳研究生院
Abstract: 一种基于深度自编码器的点云几何压缩的方法，包括步骤：(1)点云预处理：收集待压缩的一类点云作为训练集，并将其归一化至单位圆中；(2)点云下采样：对训练集中的点云进行下采样，使得每个点云具有相同的点数m，点云中的每个点具有(x，y，z)三维坐标；使用最远点下采样法，首次随机选择一点，接下来每次都选择距被选择点集最远的点加入到被选择点集中，直至被选择点数满足要求；(3)训练压缩模型：将经过第(2)步下采样后的点云输入到基于深度自编码器的点云几何压缩框架中进行训练；(4)点云的几何压缩：将训练得到的压缩框架运用于此类所有点云的几何压缩。本方法不仅能够获得较好的压缩效果，同时也能更快的适应新的点云种类。
-
公开(公告)号：CN111783798A
公开(公告)日：2020-10-16
申请号：CN202010620484.5
申请日：2020-07-01
Applicant: 北京大学深圳研究生院
Abstract: 一种基于显著性特征的模拟残缺点云的遮罩生成方法，包括步骤一、获得当前点云点个数，损失函数衡量方式，以及丢弃率及循环次数；步骤二、在循环次数外，则跳出循环，输出点云遮罩M；步骤三、循环次数内，计算点云球心位置坐标xc，可使用所有坐标的中值或平均值来进行粗略衡量其球心位置；步骤四、根据损失函数，计算当前每个点云的梯度g；步骤五、计算当前点云中每个点相对于球心位置的变化率δ；步骤六、计算当前点云中每个点的显著性得分s＝-w*δ；步骤七、将所有点得分从高到低进行排序，删除排序前[pN/T]个点。本发明能够生成多区域缺失的点云情况，较为简单随机下采样方式，更为多样化，而且更加产生更加灵活多变复杂的遮罩。
-
-
-
Search Results
4
records
(took 0.025 seconds)
