申请/专利权人：南京航空航天大学

申请日：2024-03-20

公开（公告）日：2024-04-19

公开（公告）号：CN117911662A

主分类号：G06T19/20

分类号：G06T19/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明涉及数字孪生技术领域，解决了当前基于深度学习的三维点云语义分割方法对空间点上下文信息提取不足而导致语义分割精度低的技术问题，尤其涉及一种基于深度霍夫投票的数字孪生场景语义分割方法及系统，包括获取工业场景三维测量数据、设计U型特征编码模块、设计霍夫投票模块、设计选票聚合模块、设计语义预测模块、以及设计联合损失函数，更新以上模块的参数。本发明所提出的数字孪生场景语义分割方法，可以实现对任意工业数字孪生场景的三维测量数据进行快速且高精度的语义分割，进而为数字孪生工业应用提供高精度的三维语义信息，以便后续快速定位关键生产要素在工业场景中的位置，对场景中的物体进行智能编辑与交互，增强用户体验。

主权项：1.一种基于深度霍夫投票的数字孪生场景语义分割方法，其特征在于，该方法包括以下步骤：S1、通过U型特征编码模块从获取的工业场景中的三维测量数据中提取三维测量点邻域不同尺度的上下文信息，形成第一级别特征表达；S2、通过霍夫投票模块及选票聚合模块捕获工业场景中物体对象级别的上下文信息，形成第二级别特征表达；S3、采用语义预测模块拼接每个三维测量点第一级别特征表达及其对应的第二级别特征表达，并预测每个三维测量点的语义信息；S4、确定工业场景中物体对象的中心回归损失和三维语义分割损失，在工业场景数据集上训练，更新以上所有模块的参数形成面向工业数字孪生场景的三维语义分割系统；S5、以工业数字孪生场景的三维测量数据为输入，三维语义分割系统输出该场景高质量的三维语义信息。

全文数据：

权利要求：

百度查询： 南京航空航天大学 基于深度霍夫投票的数字孪生场景语义分割方法及系统

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。

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