-
公开(公告)号：CN111062266B
公开(公告)日：2022-07-15
申请号：CN201911188372.0
申请日：2019-11-28
Applicant: 东华理工大学
IPC: G06V40/16
Abstract: 本发明提供了一种基于圆柱坐标的人脸点云关键点定位方法，包括：步骤1，基于人头形状特征，将无序的直角坐标点云转为有序的网格化圆柱坐标点云；步骤2，将径向长度作为特征值，采用中值滤波简并点云；步骤3，根据人脸器官在柱坐标中的特点，利用横切曲线及半径的积分投影曲线分别定位人脸中的鼻、嘴、眼和眉的位置。本发明适用于扫描正立人脸部分的点云，计算效率高，简并效果好，为后续人脸的精细重建、变形人脸、人脸器官测量等奠定了基础。
-
公开(公告)号：CN111310811B
公开(公告)日：2021-01-15
申请号：CN202010081755.4
申请日：2020-02-06
Applicant: 东华理工大学
Abstract: 本发明公开了一种基于多维特征最优组合的大场景三维点云分类方法，具体为：以3D点云每一个点为中心，利用“Kd‑tree”算法搜索邻近的100个点，并提取三维特征，形成一个17*17的特征矩阵，将点云分别投影到3个不同的坐标平面，并利用“Kd‑tree”算法搜索邻近的100个点对该三个平面提取2D特征，得到一个12*12的特征矩阵X，对二维特征矩阵X进行多维特征排列组合，得出最优排列矩阵X＝[X(XOZ),X(YOZ),X(XOY)],对2D/3D特征进行多维特征加权组合得到29*29的特征矩阵Z(X,Y)，将其输入到深度学习框架中，CliqueNet运行得出结果。
-
公开(公告)号：CN111310811A
公开(公告)日：2020-06-19
申请号：CN202010081755.4
申请日：2020-02-06
Applicant: 东华理工大学
Abstract: 本发明公开了一种基于多维特征最优组合的大场景三维点云分类方法，具体为：以3D点云每一个点为中心，利用“Kd-tree”算法搜索邻近的100个点，并提取三维特征，形成一个17*17的特征矩阵，将点云分别投影到3个不同的坐标平面，并利用“Kd-tree”算法搜索邻近的100个点对该三个平面提取2D特征，得到一个12*12的特征矩阵X，对二维特征矩阵X进行多维特征排列组合，得出最优排列矩阵X＝[X(XOZ),X(YOZ),X(XOY)],对2D/3D特征进行多维特征加权组合得到29*29的特征矩阵Z(X,Y)，将其输入到深度学习框架中，CliqueNet运行得出结果。
-
公开(公告)号：CN109448107A
公开(公告)日：2019-03-08
申请号：CN201811207414.6
申请日：2018-10-17
Applicant: 东华理工大学
IPC: G06T17/00
Abstract: 本发明提供了一种基于球坐标的植物果实点云重建方法，包括如下步骤：步骤1，基于三维果实原始点云数据，将点云直角坐标转为球坐标；步骤2，利用统计排序滤波法的中值滤波对点云数据的噪点进行过滤；步骤3，基于扁球体中心轴及长球体中心轴旋转到平行于正投影面时的特征，计算扁球体中心轴的经纬度及长球体中心轴的经纬度；步骤4，基于扁球体中心轴的经纬度及长球体中心轴的经纬度，采用B样条曲面对果实进行重建。本发明计算效率高，去噪效果好，可以应用到类似球形的植物果实重建。
-
公开(公告)号：CN117934836A
公开(公告)日：2024-04-26
申请号：CN202410092316.1
申请日：2024-01-23
Applicant: 东华理工大学
Abstract: 本发明涉及计算机三维视觉处理技术领域，具体的说是基于深度残差与注意力丢弃的体素化网络的点云语义分割网络模型，包括Deep Inverse Residual模块和Drop Attention模块，利用Deep Inverse Residual模块挖掘体素深层次信息，以弥补体素化时点云信息丢失的损失，再通过Drop Attention模块，扩大每个体素对全局信息的感受野范围；本发明利用Deep Inverse Residual挖掘体素的深层次信息，以弥补体素化过程中点云信息丢失所造成的损失；通过Drop Attention模块来使局部体素区域能够获取全局信息。此外，采用随机丢弃部分全局信息的策略，防止冗余的部分全局信息对局部体素区域造成干扰，以提高模型的鲁棒性；本发明所提方法在室内场景数据集S3DISArea5上的mIoU能超越了许多点云语义分割的方法。
-
Patent Agency Ranking
公开(公告)号：CN117523201A
公开(公告)日：2024-02-06
申请号：CN202311532326.4
申请日：2023-11-16
Applicant: 东华理工大学
Abstract: 本发明涉及基于深度残差与注意力丢弃的体素化网络的点云语义分割网络模型，其包括：Deep Inverse Residual模块，挖掘体素深层次信息，以弥补体素化时点云信息丢失的损失；Drop Attention模块，扩大每个体素对全局信息的感受野范围。本发明方法的语义分割性能mIoU为65.6%，与其他方法相比，实现了最好的语义分割性能。其与同样采用稀疏卷积的方法Minkowski相比，性能提升2.4%；与最近的方法GeoSegNet相比，性能提升0.7%；从mIoU量化结果可以看出，本发明方法实现了最好的点云分割性能。对于采用体素化分割的方法PVT，本发明方法性能上升0.1%。同时，对于其他网络（PointNet、PointNet++、PointConv以及P2P）均有不同的提升。
-
公开(公告)号：CN116524179A
公开(公告)日：2023-08-01
申请号：CN202310263377.5
申请日：2023-03-17
Applicant: 东华理工大学
Abstract: 一种加强局部与全局的点云语义分割图卷积网络，加强局部与全局的点云语义分割图卷积网络，利用局部几何加强(LocalGeometry Augment、LGA)模块，使网络对Z轴具有旋转不变性，以便加强点云局部信息表示；采用全局几何特征(GlobalGeometryFeature、GGF)模块，计算局部与全局的球体体积比，将其与坐标特征X进行连接，使全局几何信息特征得以保留；通过多个对称聚合操作将局部信息多方面地保留；网络中每层都使用残差操作，将上一层信息传递到下一层，以及利用反向残差模块(ReversedResidualMLP、RevResMLP)挖掘更深层次的语义信息。
-
公开(公告)号：CN109448107B
公开(公告)日：2023-02-24
申请号：CN201811207414.6
申请日：2018-10-17
Applicant: 东华理工大学
IPC: G06T17/00
Abstract: 本发明提供了一种基于球坐标的植物果实点云重建方法，包括如下步骤：步骤1，基于三维果实原始点云数据，将点云直角坐标转为球坐标；步骤2，利用统计排序滤波法的中值滤波对点云数据的噪点进行过滤；步骤3，基于扁球体中心轴及长球体中心轴旋转到平行于正投影面时的特征，计算扁球体中心轴的经纬度及长球体中心轴的经纬度；步骤4，基于扁球体中心轴的经纬度及长球体中心轴的经纬度，采用B样条曲面对果实进行重建。本发明计算效率高，去噪效果好，可以应用到类似球形的植物果实重建。
-
公开(公告)号：CN111062266A
公开(公告)日：2020-04-24
申请号：CN201911188372.0
申请日：2019-11-28
Applicant: 东华理工大学
IPC: G06K9/00
Abstract: 本发明提供了一种基于圆柱坐标的人脸点云关键点定位方法，包括：步骤1，基于人头形状特征，将无序的直角坐标点云转为有序的网格化圆柱坐标点云；步骤2，将径向长度作为特征值，采用中值滤波简并点云；步骤3，根据人脸器官在柱坐标中的特点，利用横切曲线及半径的积分投影曲线分别定位人脸中的鼻、嘴、眼和眉的位置。本发明适用于扫描正立人脸部分的点云，计算效率高，简并效果好，为后续人脸的精细重建、变形人脸、人脸器官测量等奠定了基础。
-
公开(公告)号：CN109448106A
公开(公告)日：2019-03-08
申请号：CN201811207363.7
申请日：2018-10-17
Applicant: 东华理工大学
Abstract: 本发明提供了一种基于球坐标的植物果实点云重建方法，包括如下步骤：步骤1，基于三维果实原始点云数据，将点云直角坐标转为球坐标；步骤2，对点云数据进行去噪处理；步骤3，基于扁球体中心轴及长球体中心轴旋转到平行于正投影面时的特征，计算扁球体中心轴的经纬度及长球体中心轴的经纬度；步骤4，基于扁球体中心轴的经纬度及长球体中心轴的经纬度，采用B样条曲面对果实进行重建。本发明计算效率高，去噪效果好，可以应用到类似球形的植物果实重建。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.025 seconds)
