公开(公告)号：CN119850942A

公开(公告)日：2025-04-18

申请号：CN202311350330.9

申请日：2023-10-18

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 罗欣 ,  韦祖棋 ,  康邦旭 ,  郑进军 ,  陈奋 ,  贾海涛 ,  李海

IPC: G06V10/26 ,  G06V20/70 ,  G06V20/64 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明公开了一种基于自适应融合多分辨率特征的点云语义分割方法。该发明为了克服点云在构建邻域过程中由于采样到离群点和重叠点，导致邻域点云特征模糊和特征冗余，从而导致输出特征图对点云的全局描述不足等问题，提出了基于自适应融合多分辨率特征的点云语义分割方法。本发明基于RandLA‑Net网络框架，以3D点云为输入数据，采取最远点采样的方法计算下采样的中心点，然后利用KNN索引构建邻域点，在编码器的特征聚合模块，采用最大池化和平均池化结合的方法对编码器提取的局部特征进行聚合。在解码器中，针对原始输入点云的全局特征感知不足，利用自适应融合不同层级解码器的输出特征图，以此减轻原始输入不足带来的特征模糊和冗余特征。

公开(公告)号：CN119850941A

公开(公告)日：2025-04-18

申请号：CN202311350299.9

申请日：2023-10-18

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 罗欣 ,  韦祖棋 ,  康邦旭 ,  郑进军 ,  陈奋 ,  许文波 ,  李海

IPC: G06V10/26 ,  G06V20/70 ,  G06V20/64 ,  G06V10/764 ,  G06V10/44

Abstract: 本发明公开了一种基于泰勒级数构建曲面的三维点云语义分割方法。以往的基于点的点云语义分割网络，通过附加更多信息，例如欧几里得距离、注意力机制，或应用各种变换，例如图形构造、体素化，间接地从几何形状中学习。这些操作可能会导致复杂的预处理和大量的计算。本发明以PointNet++作为基础网络，采用3D点云作为输入数据，利用最远点采样进行点云下采样，获得下采样的中心点之后，利用球查询获得点云的邻域点。在局部几何形状特征提取模块，利用泰勒级数将点云转换为三角形曲面，缓解了以往的局部几何形状信息提取方法带来的带来信息丢失，或者在变换过程中带来局部细节几何形状的变形问题。

公开(公告)号：CN119850940A

公开(公告)日：2025-04-18

申请号：CN202311350268.3

申请日：2023-10-18

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 罗欣 ,  韦祖棋 ,  康邦旭 ,  郑进军 ,  陈奋 ,  冷庚 ,  常乐

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06N3/0464 ,  G06V20/64 ,  G06V10/80 ,  G06T7/73

Abstract: 本发明公开了一种基于二维三维卷积的点云语义分割方法。本发明针对现有的方法探索了像素或点之间的依赖关系，而忽略了对象之间的关系的问题，并考虑到ALS点云坐标在XY平面上的方差大于沿Z轴方向的方差，所以首先通过添加2D卷积来增强由3D卷积获得的特征的代表性，以便更多地关注XY平面上的点分布。在特征提取模块，本发明将KPConv中的原有的单个3D KPConv算子替换为2D KPConv和3D KPConv，以二维三维卷积信息来提取更具代表性的点的特征；在在对象级别，应用空间通道注意力机制，以考虑全局信息。通过应用空间注意力矩阵，获取了所有点对之间的信息，并将二维三维卷积的输出嵌入到点对之间，以此进行信息增益，提高了点与对象的联系，增强了语义一致性。