-
公开(公告)号：CN117095033B
公开(公告)日：2024-05-24
申请号：CN202310921353.4
申请日：2023-07-25
Applicant: 重庆邮电大学
IPC: G06T7/30 , G06T3/4038 , G06T17/00 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及计算机视觉技术，特别涉及一种基于图像与几何信息引导的多模态点云配准方法，包括获取点云中超点的第四超点特征、源点云中超点与锚点之间的几何相关性特征、目标点云中超点的第四超点特征、目标点云中超点与锚点之间的几何相关性特征，并基于交叉注意力进行融合得到第五超点特征；基于第五超点特征计算源点云和目标云中超点的相似性筛选超点对，对其第一超点特征进行上采样解码得到其原始点特征；基于Sinkhorn算法得到原始点对关系集合，根据原始点对关系集合进行变换矩阵估计并从中选择最优变换矩阵；本发明不仅能够充分融合图像纹理信息和点云结构信息，还减少了无关图像信息的噪声引入，得到了具有区分度的多模态超点特征。
-
公开(公告)号：CN117095033A
公开(公告)日：2023-11-21
申请号：CN202310921353.4
申请日：2023-07-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及计算机视觉技术，特别涉及一种基于图像与几何信息引导的多模态点云配准方法，包括获取点云中超点的第四超点特征、源点云中超点与锚点之间的几何相关性特征、目标点云中超点的第四超点特征、目标点云中超点与锚点之间的几何相关性特征，并基于交叉注意力进行融合得到第五超点特征；基于第五超点特征计算源点云和目标云中超点的相似性筛选超点对，对其第一超点特征进行上采样解码得到其原始点特征；基于Sinkhorn算法得到原始点对关系集合，根据原始点对关系集合进行变换矩阵估计并从中选择最优变换矩阵；本发明不仅能够充分融合图像纹理信息和点云结构信息，还减少了无关图像信息的噪声引入，得到了具有区分度的多模态超点特征。
-
公开(公告)号：CN116071402A
公开(公告)日：2023-05-05
申请号：CN202310161955.4
申请日：2023-02-24
Applicant: 重庆邮电大学
Abstract: 本发明属于定位与制图领域，具体涉及一种融合区域结构特征的点云对应点查找方法，包括：获取不同视角的两个点云，采用编码模块分别对源点云和目标点云进行下采样；将源点云超点特征和目标点云超点特征输入到锚点模块中进行粗匹配；根据粗匹配结果采用特征模块分别对源点云超点特征和目标点云超点特征进行更新；计算更新后的源点云超点特征和目标点云超点特征的对应关系；采用解码器对源点云超点特征和目标点云超点特征进行解码，根据粗匹配结果采用Sinkhorn算法对解码后的特征进行点匹配；本发明采用NMS方式初步选取置信度高的锚点对应，将锚点对应输入特征模块，提取更好的特征，提高了匹配的准确度。
-
公开(公告)号：CN114297237A
公开(公告)日：2022-04-08
申请号：CN202111525809.2
申请日：2021-12-14
Applicant: 重庆邮电大学
IPC: G06F16/2455 , G06F16/906 , G06K9/62
Abstract: 本发明属于计算机视觉技术领域，涉及一种基于类别融合的三维点云数据检索方法、装置及计算机设备；所述方法包括采集原始的三维点云数据，利用最远点采样法抽取出部分三维点云数据；采用预先联合训练后的增强器对抽取出的三维点云数据进行增强处理；将抽取的三维点云数据和增强的三维点云数据输入到预先联合训练后的特征编码器中，提取出三维点云数据的全局特征；采用预先联合训练后的分类器对全局特征进行分类处理，得到三维点云数据的分类特征并反馈至增强器；将三维点云数据的分类特征与数据库中预存的同一类别的分类特征按照特征距离进行排序，输出数据库中排名靠前的三维点云数据作为检索结果。本发明能够有效提高三维点云数据的检索准确性。
-
公开(公告)号：CN116543153B
公开(公告)日：2025-04-15
申请号：CN202310497117.4
申请日：2023-05-05
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/774 , G06N3/0895
Abstract: 本发明属于点云数据处理领域，具体涉及一种基于选点主动学习的半监督点云语义分割方法；所述分割方法包括获取目标点云数据；将所述目标点云数据输入到训练完成的点云语义分割神经网络中，输出目标点云数据的分割结果；通过半监督训练点云语义分割神经网络减轻了点云数据的标记成本；通过主动学习选点，从未标记的点云数据集中通过特定的采样策略进行不确定的点选取，这样选取出的点云数据是重要且含有丰富信息的并且还可以是非冗余的。能够提升半监督学习的效果和模型的能力，最终提升了三维点云数据的分割性能。
-
Patent Agency Ranking
公开(公告)号：CN118196190A
公开(公告)日：2024-06-14
申请号：CN202410247140.2
申请日：2024-03-05
Applicant: 重庆邮电大学
IPC: G06T7/73
Abstract: 本发明涉及一种相机定位方法、装置及电子设备和存储介质，该包括：获取目标图像和与其对应的参考图像集，所述参考图像集对应的相机绝对位姿是已知的；利用特征提取网络与特征匹配网络，对所述参考图像集进行处理，得所述参考图像集之间特征点的匹配关系，根据所述匹配关系构建3D匹配模型；从所述参考图像集中检索得到与所述目标图像相似的相似图像，根据所述3D匹配模型得到所述相似图像的3D匹配关系；利用PnP模型，对所述3D匹配关系进行处理，得到所述目标图像的相机位姿。采用本方法提高了图像特征点匹配的效率，提高了相机定位的稳健性，位姿精度大幅提升。
-
公开(公告)号：CN117994307A
公开(公告)日：2024-05-07
申请号：CN202410328136.9
申请日：2024-03-21
Applicant: 重庆邮电大学
IPC: G06T7/33 , G06T7/35 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/84 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于扩散模型的点云配准方法、系统、存储介质以及装置，该方法包括：获取训练样本，训练样本包括源点云和目标点云；采用点云特征提取模块分别对源点云和目标点云进行特征提取，得到特征1和2；采用特征交互模块对特征1和2进行相互融合，得到特征F1和F2；采用点云生成模块生成对齐的两个点云Ag和Bg；采用变换矩阵预测模块计算原始点云和生成点云Ag、原始点云和生成点云Bg的对应关系，得到预测的变换矩阵和平移向量；计算模型的损失函数，调整模型参数，当损失函数收敛时，完成模型的训练；发明的基于扩散模型的点云配准方法,将配准问题转换为生成问题，提高了点云配准的准确率。
-
公开(公告)号：CN116228825A
公开(公告)日：2023-06-06
申请号：CN202310043546.4
申请日：2023-01-29
Applicant: 重庆邮电大学
Abstract: 本发明属于点云数据处理技术领域，具体涉及一种基于显著锚点几何嵌入的点云配准方法，包括：获取获取相同场景下不同视角的两个点云；对两个点云数据进行核点卷积，将卷积后的特征输入到锚点模块和特征模块进行特征提取和优化，得到最优特征；计算最优特征的超点匹配，并查找全局对应点；计算各个区域的变换，根据全局对应点选择最优变换；对最优点云进行转换估计，得到估计结果；本发明将建立了锚点对应的点云间的联系，以此为桥梁可以利用几何交流模块充分交流两点云的信息；嵌入点与锚点的距离特征，能够有效检测区域在全局拓扑结构上的差异，从而减少低重叠率下非重叠相似区域的匹配，进而提高区域匹配的准确度。
-
公开(公告)号：CN112330699B
公开(公告)日：2022-09-16
申请号：CN202011273565.9
申请日：2020-11-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及三维点云分割技术领域，特别是涉及一种基于重叠区域对齐的三维点云分割方法，包括确定需要进行分割的点云重叠区域对齐模型，并选择和构建该模型的点云数据集；对点云数据集中的点云进行区域化操作，生成点云数据对；构建基于重叠区域对齐的点云分割模型；设置基于重叠区域对齐的点云分割模型的损失函数计算点云数据对重叠区域估计产生的误差，以及点云数据对之间对齐的旋转误差；利用点云数据对对模型进行训练，在训练过程中使用随机梯度下降来优化模型预测输出与真实标签的误差，得到分割模型；本发明采用深度学习方法进行点云分割，解决边缘分割效果差的问题，并在分割过程中考虑了该问题造成的影响，提高了点云分割的精度。
-
公开(公告)号：CN119417871A
公开(公告)日：2025-02-11
申请号：CN202411456137.8
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: G06T7/33 , G06V10/44 , G06V10/46 , G06V10/74 , G06V10/771 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/044 , G06N3/09 , G06N3/091 , G06N3/0895
Abstract: 本发明涉及点云数据处理技术领域，具体涉及点云配准模型的训练数据优化方法、装置及计算机设备；所述方法包括获取第一训练集和第二训练集，所述第一训练集包括多个带有伪标签的点云样本数据，所述第二训练集包括多个带有真实标签的点云样本数据；所述标签对应所述点云样本数据中源点云与目标点云之间的变换矩阵；在人工矫正训练样本阶段，通过第一替换原则选择点云样本数据；在自我矫正训练样本阶段，通过第二替换原则选择点云样本数据；本申请不仅提高了点云数据对齐的准确性，还通过结构与语义信息的融合提升了特征区分度，使得配准结果更加可靠。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.022 seconds)
