申请/专利权人：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)

申请日：2023-12-01

公开（公告）日：2024-04-02

公开（公告）号：CN117333676B

主分类号：G06V10/44

分类号：G06V10/44;G06V10/80;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.01.19#实质审查的生效;2024.01.02#公开

摘要：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。

主权项：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k层的输出特征向量与所述图神经网络分支第k-1层的输出特征向量融合后作为所述图神经网络分支第k层的输入特征向量，其中k∈[1,L-1]，L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；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。

全文数据：

权利要求：

百度查询： 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) 基于图表达的点云特征提取方法、点云视觉检测方法

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。

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