公开(公告)号：CN109993748A

公开(公告)日：2019-07-09

申请号：CN201910254112.2

申请日：2019-03-30

Applicant: 华南理工大学

Inventor： 许勇 ,  池虹雨

IPC: G06T7/10 ,  G06K9/62

Abstract: 本发明公开了一种基于点云处理网络的三维网格物体分割方法，包括以下步骤：准备三维网格数据集以及预训练好的点云处理网络PointNet；计算三维网格数据中三角面片的中心点坐标，作为三维网格数据对应的点云数据；在点云中随机选择N个点，输入到预训练的PointNet中得到分割结果；利用KNN算法，赋予点云中未被选择的点概率分布，得到全部被分割好的点云数据；将点云分割结果映射回到三维网格数据，并用条件随机场对结果进行修正，最终得到三维网格的分割结果。本发明基于深度学习，能够对完整的数据进行分析，从数据中提取全局特征，实现数据驱动的分割，而非传统的基于人工设计的三维特征提取算子。

公开(公告)号：CN109993748B

公开(公告)日：2023-06-20

申请号：CN201910254112.2

申请日：2019-03-30

Applicant: 华南理工大学

Inventor： 许勇 ,  池虹雨

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/42

Abstract: 本发明公开了一种基于点云处理网络的三维网格物体分割方法，包括以下步骤：准备三维网格数据集以及预训练好的点云处理网络PointNet；计算三维网格数据中三角面片的中心点坐标，作为三维网格数据对应的点云数据；在点云中随机选择N个点，输入到预训练的PointNet中得到分割结果；利用KNN算法，赋予点云中未被选择的点概率分布，得到全部被分割好的点云数据；将点云分割结果映射回到三维网格数据，并用条件随机场对结果进行修正，最终得到三维网格的分割结果。本发明基于深度学习，能够对完整的数据进行分析，从数据中提取全局特征，实现数据驱动的分割，而非传统的基于人工设计的三维特征提取算子。