-
公开(公告)号：CN111489358B
公开(公告)日：2022-06-14
申请号：CN202010190589.1
申请日：2020-03-18
Applicant: 华中科技大学
Abstract: 本发明公开一种基于深度学习的三维点云语义分割方法，属于三维点云与模式识别领域。包括：使用三维点云训练集训练语义分割神经网络模型，标签为真实语义类别，语义分割神经网络模型包括：特征提取网络和语义分割网络；特征提取网络用于提取三维点云的全局特征和局部特征；语义分割网络用于融合点云的全局特征和局部特征，输出的特征图对应各点属于各个语义类别的概率；将待测点云输入训练好的语义分割神经网络模型，得到点云的分割结果。本发明使用局部特征提取模块对点云的多个尺度局部特征进行提取，使用通道注意提升模块提升重要特征通道的注意力，抑制不重要特征通道，使用加权重的多类别损失函数优化训练效果，提高了语义分割方法的精度。
-
公开(公告)号：CN111489358A
公开(公告)日：2020-08-04
申请号：CN202010190589.1
申请日：2020-03-18
Applicant: 华中科技大学
Abstract: 本发明公开一种基于深度学习的三维点云语义分割方法，属于三维点云与模式识别领域。包括：使用三维点云训练集训练语义分割神经网络模型，标签为真实语义类别，语义分割神经网络模型包括：特征提取网络和语义分割网络；特征提取网络用于提取三维点云的全局特征和局部特征；语义分割网络用于融合点云的全局特征和局部特征，输出的特征图对应各点属于各个语义类别的概率；将待测点云输入训练好的语义分割神经网络模型，得到点云的分割结果。本发明使用局部特征提取模块对点云的多个尺度局部特征进行提取，使用通道注意提升模块提升重要特征通道的注意力，抑制不重要特征通道，使用加权重的多类别损失函数优化训练效果，提高了语义分割方法的精度。
-
公开(公告)号：CN112215951B
公开(公告)日：2022-04-29
申请号：CN202011149300.8
申请日：2020-10-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种核外多分辨率的点云表示方法及点云显示方法，属于数据处理技术领域，包括：(S1)将待表示的点云作为待处理点云，转入(S2)；(S2)求解待处理点云的局部特征点Fi及密度ρi；若特征点的个数为零，则转入(S6)；否则，按照计算(S3)按照Ti对待处理点云进行采样，得到采样点云，作为树的根节点；(S4)按照最小外接立方体将剩余点云等分为N个区域，每个区域用于构造一棵子树；(S5)若达到预设的分割深度，则转入(S6)；否则，将每个区域中的点云分别作为一个待处理点云，并转入(S2)；(S6)在所有待处理节点处理结束时，将完整树结构作为表示模型并存储。本发明能够解决点云加载时间长、内存占用高导致渲染卡顿的问题。
-
公开(公告)号：CN112215951A
公开(公告)日：2021-01-12
申请号：CN202011149300.8
申请日：2020-10-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种核外多分辨率的点云表示方法及点云显示方法，属于数据处理技术领域，包括：(S1)将待表示的点云作为待处理点云，转入(S2)；(S2)求解待处理点云的局部特征点Fi及密度ρi；若特征点的个数为零，则转入(S6)；否则，按照计算 (S3)按照Ti对待处理点云进行采样，得到采样点云，作为树的根节点；(S4)按照最小外接立方体将剩余点云等分为N个区域，每个区域用于构造一棵子树；(S5)若达到预设的分割深度，则转入(S6)；否则，将每个区域中的点云分别作为一个待处理点云，并转入(S2)；(S6)在所有待处理节点处理结束时，将完整树结构作为表示模型并存储。本发明能够解决点云加载时间长、内存占用高导致渲染卡顿的问题。
-
-
-
Search Results
4
records
(took 0.016 seconds)
