申请/专利权人:兰州交通大学
申请日:2023-08-25
公开(公告)日:2023-12-15
公开(公告)号:CN117237422A
主分类号:G06T7/33
分类号:G06T7/33;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.02#实质审查的生效;2023.12.15#公开
摘要:本申请涉及计算机视觉技术领域,具体涉及基于边缘增强的层次注意力点云匹配方法、装置及系统。利用增强边缘的KPConv模块对源点云和目标点云进行局部特征提取;以及利用局部层次注意力模块学习所述源点云和目标点云的局部邻域特征,以及串联所述局部邻域特征;以及所述局部特征使用全局交叉注意力层学习源点云和目标点云的上下文特征并输出;以及使用多层感知机还原点云坐标,并计算输出刚性变换矩阵,获得对齐的完整点云图。通过强化边缘特征完成局部相似区域对应,并将局部邻域串联进行全局点匹配,达到提高点云配准精度,降低训练推理时间的目的。
主权项:1.基于边缘增强的层次注意力点云匹配方法,其特征在于,包括基于增强边缘的KPConv模块对源点云和目标点云进行局部邻域特征提取;其中,所述增强边缘的KPConv模块中采用多项式核函数;以及利用局部层次注意力模块学习所述源点云和目标点云的局部邻域特征,以及串联所述局部邻域特征,形成全局特征;其中,局部层次注意力模块包括:局部邻域特征图构建、局部邻域特征聚合、局部邻域特征匹配、以及局部邻域特征串联;以及所述全局特征使用全局交叉注意力层学习源点云和目标点云的上下文特征并输出;以及使用多层感知机还原点云坐标,并计算输出刚性变换矩阵,获得完整点云图。
全文数据:
权利要求:
百度查询: 兰州交通大学 基于边缘增强的层次注意力点云匹配方法、装置及系统
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。