公开(公告)号：CN115222625A

公开(公告)日：2022-10-21

申请号：CN202210839961.6

申请日：2022-07-15

Applicant: 桂林理工大学

Inventor： 杨家志 ,  沈洁 ,  陈梦强 ,  于广旺 ,  周国清

IPC: G06T5/00 ,  G06V10/762 ,  G06V10/764 ,  G01S7/487 ,  G01S7/493

Abstract: 本发明提供一种基于多尺度噪声的激光雷达点云去噪方法，涉及三维点云去噪技术领域，包括根据不同尺度的噪声点进行分类处理；获取DBSCAN算法参数，将点云数据集分为不同形状的簇；使用Kd‑tree树加速搜索，DBSCAN算法对大尺度噪声进行聚类去噪处理；设定移动最小二乘法阶数，根据曲面进行法线估计，确定拟合半径；对小尺度噪声点使用移动最小二乘法平滑去噪和重采样处理。本发明的方法将两种去噪方法进行结合处理点云数据，点云数据中存在的多尺度噪声能够有效去除，并保持了点云模型的细节部分。

公开(公告)号：CN116051884A

公开(公告)日：2023-05-02

申请号：CN202211625847.X

申请日：2022-12-14

Applicant: 桂林理工大学

Inventor： 杨家志 ,  沈洁 ,  陈梦强 ,  于广旺 ,  周国清

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供一种基于深度学习的点云分类方法，属于三维点云数据处理领域，采用残差网络模型中应用通道注意力机制以及改进分类器的方式，对点云数据集进行分类处理。本发明中的残差网络解决了深度学习网络随着网络层数增加出现的梯度爆炸问题，提高了模型的泛化能力；通道注意力机制通过学习每个通道的重要程度，进行权重分配，提高了点云特征提取能力；通过改进分类器，进一步提高了点云数据分类的准确度。