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：中国人民解放军国防科技大学

摘要：本发明公开一种基于三维点云的图像生成方法和系统，涉及三维点云数据处理技术领域。本发明利用样本点云数据训练点云分类模型，使得经训练的点云分类模型能够从表征第一目标的原始点云数据中识别出第一目标；对原始点云数据的部分数据点进行扰动以获取第一对抗点云数据，并计算经训练的点云分类模型将表征第一目标的第一对抗点云数据识别为第二目标的分类损失；获取原始点云数据和第一对抗点云数据之间表征点云泛化距离的第一损失以及表征网格面泛化距离的第二损失，并结合分类损失确定协同优化损失；通过优化协同优化损失确定协同优化损失的最小值，利用协同优化损失的最小值和原始点云数据生成第二对抗点云数据，以对抗来自攻击方的点云攻击。

主权项：1.一种基于三维点云的图像生成方法，其特征在于，所述方法包括：步骤S1、利用样本点云数据训练点云分类模型，经训练的点云分类模型从表征第一目标的原始点云数据中识别出所述第一目标；步骤S2、对所述原始点云数据的部分数据点进行扰动以获取第一对抗点云数据，并计算所述经训练的点云分类模型将表征所述第一目标的所述第一对抗点云数据识别为第二目标的分类损失；步骤S3、获取所述原始点云数据和所述第一对抗点云数据之间表征点云泛化距离的第一损失以及表征网格面泛化距离的第二损失，并结合所述分类损失确定协同优化损失；其中，在所述步骤S3中：所述第一损失为所述原始点云数据和所述第一对抗点云数据之间表征点云泛化距离的Hausdorff距离，所述第二损失为所述原始点云数据和所述第一对抗点云数据之间表征网格面泛化距离的几何距离，所述几何距离包括经加权的所述网格面的点特征几何距离、基于二面角的边特征几何距离和面特征几何距离；分别为所述第一损失和所述第二损失分配权重，以获取联合损失，并进一步分别为所述联合损失和所述分类损失分配权重，以确定所述协同优化损失；步骤S4、通过优化所述协同优化损失确定所述协同优化损失的最小值，利用所述协同优化损失的最小值和所述原始点云数据生成第二对抗点云数据，以对抗来自攻击方的点云攻击；其中，所述协同优化损失的最小值表征对所述原始点云数据进行最小扰动以获取所述第二对抗点云数据，且所述经训练的点云分类模型将表征所述第一目标的第二对抗点云数据识别为所述第二目标。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种基于三维点云的图像生成方法和系统