基于图表达的点云特征提取方法、点云视觉检测方法
申请人信息
- 申请人:哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
- 申请人地址:518052 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区
- 发明人: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于图表达的点云特征提取方法、点云视觉检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311628039.3 |
| 申请日 | 2023/12/1 |
| 公告号 | CN117333676A |
| 公开日 | 2024/1/2 |
| IPC主分类号 | G06V10/44 |
| 权利人 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) |
| 发明人 | 汪洋; 窦文豪 |
| 地址 | 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区 |
摘要文本
哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)取得“一种透气窗帘布”专利技术，基于图表达的点云特征提取方法、点云视觉检测方法，包括：获取原始点云集的图表达及原始点云集到图表达的索引矩阵P2G和逆索引矩阵G2P；将原始点云集转换为一种非图表达形式得到原始点云集的非图表达及原始点云集到非图表达的索引矩阵P2X和逆索引矩阵X2P；将非图表达输入非图特征提取网络分支、将图表达输入图神经网络分支，分别得到非图分支特征向量和图分支特征向量，非图特征提取网络分支第k层的输出特征向量与图神经网络分支第k‑1层的输出特征向量融合输入图神经网络分支第k层；按逆索引矩阵X2P和G2P分别对非图分支特征向量和图分支特征向量进行还原。得益于图神经网络分支中基于图表达的图神经网络，本发明可增强对点云细粒度信息的学习能力。
专利主权项内容
1.一种基于图表达的点云特征提取方法，其特征在于，包括：获取激光雷达所采集的原始点云集P；对所述原始点云集P进行转换以得到所述原始点云集的图表达G，并获得所述原始点云集P到所述图表达G的索引矩阵P2G及逆索引矩阵G2P；将所述原始点云集P转换为非图表达形式的目标表达形式X以得到所述原始点云集的非图表达，并获得所述原始点云集P到所述非图表达的索引矩阵P2X及逆索引矩阵X2P；将所述原始点云集的非图表达输入预设的点云特征提取网络的非图特征提取网络分支以得到非图分支特征向量，将所述原始点云集的图表达G输入所述点云特征提取网络的图神经网络分支以得到图分支特征向量，其中所述非图特征提取网络分支第层的输出特征向量与所述图神经网络分支第-1层的输出特征向量融合后作为所述图神经网络分支第层的输入特征向量，其中∈[1, -1]，表示所述非图特征提取网络分支和所述图神经网络分支的总层数，所述图神经网络分支第0层的输出特征向量指所述原始点云集的图表达；kkkk LL按所述逆索引矩阵X2P对所述非图分支特征向量进行转换得到所述原始点云集的非图表达特征向量，按所述逆索引矩阵G2P对所述图分支特征向量进行转换得到所述原始点云集的图表达特征向量。。更多数据：