-
公开(公告)号:CN117333676B
公开(公告)日:2024-04-02
申请号:CN202311628039.3
申请日:2023-12-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 基于图表达的点云特征提取方法、点云视觉检测方法,包括:获取原始点云集的图表达及原始点云集到图表达的索引矩阵P2G和逆索引矩阵G2P;将原始点云集转换为一种非图表达形式得到原始点云集的非图表达及原始点云集到非图表达的索引矩阵P2X和逆索引矩阵X2P;将非图表达输入非图特征提取网络分支、将图表达输入图神经网络分支,分别得到非图分支特征向量和图分支特征向量,非图特征提取网络分支第k层的输出特征向量与图神经网络分支第k‑1层的输出特征向量融合输入图神经网络分支第k层;按逆索引矩阵X2P和G2P分别对非图分支特征向量和图分支特征向量进行还原。得益于图神经网络分支中基于图表达的图神经网络,本发明可增强对点云细粒度信息的学习能力。
-
公开(公告)号:CN117607829B
公开(公告)日:2024-06-18
申请号:CN202311630263.6
申请日:2023-12-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01S7/48 , G01S17/894
Abstract: 一种激光雷达点云的有序化重建方法、计算机可读存储介质,该方法将激光雷达点云的有序化问题转化为激光雷达点云对应的激光束的水平方位角和垂直俯仰角集合的有序化问题,预设激光雷达像素矩阵,针对各种类型的激光雷达,基于其成像原理,根据点云对应的激光束的水平方位角和垂直俯仰角,计算点云在激光雷达像素矩阵上的具体定位,实现了三维点云在二维角度分布下的有序化排列,完成了原始点云集的有序化转变。采用本发明的有序化重建方法对原始点云集进行有序化后,借助激光雷达像素矩阵,可以实现任意点在三维分布或有序二维分布中的动态查询,且对任意点或其在像素矩阵上的邻近点的查询或索引过程时间复杂度均仅为O(1)。
-
公开(公告)号:CN117607829A
公开(公告)日:2024-02-27
申请号:CN202311630263.6
申请日:2023-12-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01S7/48 , G01S17/894
Abstract: 一种激光雷达点云的有序化重建方法、计算机可读存储介质,该方法将激光雷达点云的有序化问题转化为激光雷达点云对应的激光束的水平方位角和垂直俯仰角集合的有序化问题,预设激光雷达像素矩阵,针对各种类型的激光雷达,基于其成像原理,根据点云对应的激光束的水平方位角和垂直俯仰角,计算点云在激光雷达像素矩阵上的具体定位,实现了三维点云在二维角度分布下的有序化排列,完成了原始点云集的有序化转变。采用本发明的有序化重建方法对原始点云集进行有序化后,借助激光雷达像素矩阵,可以实现任意点在三维分布或有序二维分布中的动态查询,且对任意点或其在像素矩阵上的邻近点的查询或索引过程时间复杂度均仅为O(1)。
-
公开(公告)号:CN117333676A
公开(公告)日:2024-01-02
申请号:CN202311628039.3
申请日:2023-12-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 基于图表达的点云特征提取方法、点云视觉检测方法,包括:获取原始点云集的图表达及原始点云集到图表达的索引矩阵P2G和逆索引矩阵G2P;将原始点云集转换为一种非图表达形式得到原始点云集的非图表达及原始点云集到非图表达的索引矩阵P2X和逆索引矩阵X2P;将非图表达输入非图特征提取网络分支、将图表达输入图神经网络分支,分别得到非图分支特征向量和图分支特征向量,非图特征提取网络分支第k层的输出特征向量与图神经网络分支第k‑1层的输出特征向量融合输入图神经网络分支第k层;按逆索引矩阵X2P和G2P分别对非图分支特征向量和图分支特征向量进行还原。得益于图神经网络分支中基于图表达的图神经网络,本发明可增强对点云细粒度信息的学习能力。
-
-
-