公开(公告)号：CN112070054B

公开(公告)日：2022-07-29

申请号：CN202010980094.9

申请日：2020-09-17

Applicant: 福州大学

Inventor： 方莉娜 ,  王爽 ,  赵志远 ,  陈崇成

IPC: G06V10/762 ,  G06V10/26 ,  G06V20/54 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明涉及一种基于图结构与注意力机制的车载激光点云标线分类方法，包括以下步骤：步骤A：基于强度校正进行标线分割，得到独立标线对象；步骤B：基于分割后的独立标线对象，利用EdgeConv进行特征提取与嵌入；步骤C：在设定邻域范围内进行标线间最短距离重采样，对每个标线构建重采样的标线图结构；步骤D：通过构建多头注意力机制，更新图结构节点特征；步骤E：将图结构和注意力机制嵌入深度神经网络，构建深度图模型GAT_SCNet，然后基于构建的深度图模型GAT_SCNet进行标线类别预测，输出独立标线的类别标签。该方法有利于提高车载激光点云标线分类的精度。

公开(公告)号：CN110210415B

公开(公告)日：2022-09-30

申请号：CN201910484566.9

申请日：2019-06-05

Applicant: 福州大学

Inventor： 方莉娜 ,  王爽 ,  黄志文 ,  罗海峰 ,  赵志远 ,  陈崇成

IPC: G06V20/56 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/02

Abstract: 本发明涉及一种基于图结构的车载激光点云道路标线识别方法，包括以下步骤：步骤S1：基于强度校正的标线分割和小尺寸目标提取,基于分割结果提取小尺寸标线对象；步骤S2：根据获得的小尺寸标线对象，基于标线的形状特征和邻域空间结构构建由参考标线指向邻域对象的空间与语义关系图;步骤S3：基于空间与语义关系图，自定义图结构节点与边存储编码规则，构建图结构的特征描述子；步骤S4：根据图结构的特征描述子，构建并训练深度神经网络；步骤S5:利用训练后的深度神经网络从车载激光点云目标分割结果中直接提取不同类型的标线。本发明能够实现对复杂城市场景中多类型标线的自动识别与精细分类。

公开(公告)号：CN112070054A

公开(公告)日：2020-12-11

申请号：CN202010980094.9

申请日：2020-09-17

Applicant: 福州大学

Inventor： 方莉娜 ,  王爽 ,  赵志远 ,  陈崇成

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明涉及一种基于图结构与注意力机制的车载激光点云标线分类方法，包括以下步骤：步骤A：基于强度校正进行标线分割，得到独立标线对象；步骤B：基于分割后的独立标线对象，利用EdgeConv进行特征提取与嵌入；步骤C：在设定邻域范围内进行标线间最短距离重采样，对每个标线构建重采样的标线图结构；步骤D：通过构建多头注意力机制，更新图结构节点特征；步骤E：将图结构和注意力机制嵌入深度神经网络，构建深度图模型GAT_SCNet，然后基于构建的深度图模型GAT_SCNet进行标线类别预测，输出独立标线的类别标签。该方法有利于提高车载激光点云标线分类的精度。

公开(公告)号：CN110210415A

公开(公告)日：2019-09-06

申请号：CN201910484566.9

申请日：2019-06-05

Applicant: 福州大学

Inventor： 方莉娜 ,  王爽 ,  黄志文 ,  罗海峰 ,  赵志远 ,  陈崇成

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/02

Abstract: 本发明涉及一种基于图结构的车载激光点云道路标线识别方法，包括以下步骤：步骤S1：基于强度校正的标线分割和小尺寸目标提取,基于分割结果提取小尺寸标线对象；步骤S2：根据获得的小尺寸标线对象，基于标线的形状特征和邻域空间结构构建由参考标线指向邻域对象的空间与语义关系图;步骤S3：基于空间与语义关系图，自定义图结构节点与边存储编码规则，构建图结构的特征描述子；步骤S4：根据图结构的特征描述子，构建并训练深度神经网络；步骤S5:利用训练后的深度神经网络从车载激光点云目标分割结果中直接提取不同类型的标线。本发明能够实现对复杂城市场景中多类型标线的自动识别与精细分类。