申请/专利权人：清华大学深圳国际研究生院

申请日：2020-03-05

公开（公告）日：2020-07-03

公开（公告）号：CN111368922A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101);G06K9/46(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.04.18#授权;2020.07.28#实质审查的生效;2020.07.03#公开

摘要：本发明公开了一种用于物体分类的点云处理网络架构，包括w个并行的点云特征提取单元、一池化层和若干全连接层，w个并行的点云特征提取单元的输入是w组原始点云、输出共同连接至所述池化层的输入端，若干全连接层串联，所述池化层的输出端连接于第一个全连接层的输入端。每个特征提取单元包含先后交替串联的n个采样模块和n个特征复用模块，特征提取单元对原始点云进行特征提取、采样和内部的特征复用，最终输出有效的点云特征送入池化层进行过滤，最后通过若干个全连接层进行特征连接，实现物体分类。

主权项：1.一种用于物体分类的点云处理网络架构，其特征在于：包括w个并行的点云特征提取单元、一池化层和若干全连接层，w个并行的点云特征提取单元的输入是w组原始点云、输出共同连接至所述池化层的输入端，若干全连接层串联，所述池化层的输出端连接于第一个全连接层的输入端；对于每个点云特征提取单元：包含n个采样模块和n个特征复用模块，n个特征复用模块分别一一对应地连接于n个采样模块之后，形成采样模块与特征复用模块的交替串联；n个采样模块中的第一个采样模块接收原始点云，输出局部邻域特征F0，n个特征复用模块中的第一个特征复用模块接收局部邻域特征F0并进行特征复用之后输出特征F1，后面n-1个采样模块均用于对所接收的特征进行随机采样，后面n-1个特征复用模块均用于对所接收的特征进行特征复用；每个特征复用模块包括m个卷积层单元、m个最大池化层、m个激活函数层和特征输出层；每个卷积层单元由一个A类卷积层和一个B类卷积层串联而成，每个卷积层单元的输出端串联一个最大池化层，同时每个最大池化层的输出端串联一个激活函数层；A类卷积层的卷积核大小均为1×1，用于降低特征第二维的维度；B类卷积层的卷积核大小均为3×3，用于升高特征第三维的维度；所述池化层对w个点云特征提取单元最终输出的w组特征按预设条件进行过滤；所述若干全连接层对所述池化层过滤后所筛选出的特征进行连接，实现物体分类。

全文数据：

权利要求：

百度查询： 清华大学深圳国际研究生院 一种用于物体分类的点云处理网络架构

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD