龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：沈阳工业大学
摘要：本发明公开了一种基于一致性投影约束的弱监督点云语义分割方法，包括：数据预处理并将其进行不同标注比例的弱真值标注；对执行两种不同数据增强方法的点云投影到二维平面，通过计算其均方误差来建立一致性投影约束；随机采样；利用全局特征聚合模块提取各个编码层中局部邻域内更深层的特征向量；通过在四个编码层上最小化子场景边界对比损失函数以完成子场景边界对比优化；查询空间邻近点特征；插值查询点特征；将插值的点特征拼接后得到的特征向量输入到三个MLP中，完成弱监督点云语义分割任务。本发明解决了弱监督点云语义分割由于稀疏的点云真值标注而导致的过拟合、欠拟合、信息损失以及边界模糊等问题，从而提高分割的准确性。
主权项：1.一种基于一致性投影约束的弱监督点云语义分割方法，其特征在于，具体步骤如下：步骤一、数据预处理：对输入的点云进行预处理操作，并在随机稀疏标注的基础上将预处理后的点云进行不同标注比例的弱真值标注；步骤二、一致性投影约束：对预处理后的点云执行两种不同的数据增强，分别为执行随机的镜像或旋转变换和同时进行镜像以及旋转变换，并将增强后的两个点云数据投影到二维平面，通过计算二者的平方差均值来建立一致性投影约束；步骤三、随机采样：对输入到网络模型的点云使用随机采样进行下采样的操作以降低点云的密度；步骤四、全局特征聚合：全局特征聚合模块作为编码层，通过堆叠了两组局部特征提取模块来分别提取各个编码层中局部邻域内更深层的特征向量，获取四个编码层上的聚合特征；步骤五、子场景边界对比优化：在四个编码层上最小化子场景边界对比损失函数，最大化两个边界点特征向量表示的相似性；步骤六、查询空间邻近点特征：给定一个查询点p，根据点之间的欧氏距离在四个编码层中分别搜索距离查询点最近的K个邻近点；步骤七、插值查询点特征：应用三线性插值方法来计算查询点p的特征向量，再将所得的四个层次特征向量拼接在一起；步骤八、推断点云语义类别：将插值拼接后的特征向量输入到三个MLP中得到点云预测类别，完成弱监督点云语义分割任务。
全文数据：
权利要求：
百度查询： 沈阳工业大学 一种基于一致性投影约束的弱监督点云语义分割方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号