-
公开(公告)号：CN116129118B
公开(公告)日：2023-10-20
申请号：CN202310082361.4
申请日：2023-01-17
Applicant: 华北水利水电大学
IPC: G06V10/26 , G06V10/82 , G06T17/00 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，公开一种基于图卷积的城市场景激光LiDAR点云语义分割方法，包括：利用基于KNN算法的图注意力卷积进行建模，通过注意力机制为不同邻节点分配不同权重，更好地聚集邻域信息；对NetVLAD算法进行改进，提出NetVLAD++算法，应用于城市场景三维地物目标的语义标识和精准提取，通过充分提取点云特征，更好地融合了局部特征和全局上下文特征，提高了网络模型分割效果；将NetVLAD++算法和基于KNN算法的图注意力卷积模型进行融合，构成一个完整的网络模型进行端到端的训练，使用训练好的模型对城市场景激光点云进行语义分割。本发明提高了城市场景点云语义分割的精度和效果。
-
公开(公告)号：CN116129118A
公开(公告)日：2023-05-16
申请号：CN202310082361.4
申请日：2023-01-17
Applicant: 华北水利水电大学
IPC: G06V10/26 , G06V10/82 , G06T17/00 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，公开一种基于图卷积的城市场景激光LiDAR点云语义分割方法，包括：利用基于KNN算法的图注意力卷积进行建模，通过注意力机制为不同邻节点分配不同权重，更好地聚集邻域信息；对NetVLAD算法进行改进，提出NetVLAD++算法，应用于城市场景三维地物目标的语义标识和精准提取，通过充分提取点云特征，更好地融合了局部特征和全局上下文特征，提高了网络模型分割效果；将NetVLAD++算法和基于KNN算法的图注意力卷积模型进行融合，构成一个完整的网络模型进行端到端的训练，使用训练好的模型对城市场景激光点云进行语义分割。本发明提高了城市场景点云语义分割的精度和效果。
-
公开(公告)号：CN112819832B
公开(公告)日：2024-12-03
申请号：CN202110145309.X
申请日：2021-02-02
Applicant: 华北水利水电大学
IPC: G06T7/10
Abstract: 本发明涉及基于激光点云的城市场景语义分割细粒度边界提取方法，本发明设计了适应城市场景的深度卷积神经网络模型，对模型进行训练，然后用训练得到的模型对获取到的数据中的影像数据进行语义分割，得到基于2D影像的城市场景初步语义分割结果；通过后处理式和嵌入式两种条件随机场进行精细化边界提取；最后，通过直接变换算法根据相机的内方位元素计算出相机的外方位元素，得到影像与对应激光点云之间的整体映射，在此基础上输入点云，得到基于激光点云的精细化语义分割结果。本发明能够提高城市场景语义分割的精度和效果。
-
公开(公告)号：CN112819832A
公开(公告)日：2021-05-18
申请号：CN202110145309.X
申请日：2021-02-02
Applicant: 华北水利水电大学
IPC: G06T7/10
Abstract: 本发明涉及基于激光点云的城市场景语义分割细粒度边界提取方法，本发明设计了适应城市场景的深度卷积神经网络模型，对模型进行训练，然后用训练得到的模型对获取到的数据中的影像数据进行语义分割，得到基于2D影像的城市场景初步语义分割结果；通过后处理式和嵌入式两种条件随机场进行精细化边界提取；最后，通过直接变换算法根据相机的内方位元素计算出相机的外方位元素，得到影像与对应激光点云之间的整体映射，在此基础上输入点云，得到基于激光点云的精细化语义分割结果。本发明能够提高城市场景语义分割的精度和效果。
-
-
-
Search Results
4
records
(took 0.021 seconds)
