基于特征描述子的三维点云配准方法、装置及存储介质

    公开(公告)号:CN116452644A

    公开(公告)日:2023-07-18

    申请号:CN202310433897.6

    申请日:2023-04-21

    摘要: 本发明涉及基于特征描述子的三维点云配准方法、装置及存储介质,应用于危化品仓库安全距离监测技术领域,包括:使用灰度差优化Harris角点并与SURF特征点融合对RGB图进行特征提取和匹配,提升弱纹理区域的特征信息提取能力,将匹配后的二维特征点映射到三维构建H‑SURF特征描述子进行点云粗配准,并选取H‑SURF特征描述子中以误差最小的特征点为中心的邻域点云为感兴趣特征区域,作为ICP算法的输入进行精配准,解决了ICP算法及其相关改进算法在视角重合度过低时易陷入局部最优解的问题,并提升了算法效率与准确率,采用感兴趣特征区域作为输入还解决了现有技术中ICP算法数据处理量大,耗时较长的问题。

    基于泊松分布的神经网络混合差分剪枝方法和剪枝装置

    公开(公告)号:CN115099400B

    公开(公告)日:2024-08-06

    申请号:CN202210249392.X

    申请日:2022-03-14

    IPC分类号: G06N3/082

    摘要: 本发明的基于泊松分布的神经网络混合差分剪枝方法和剪枝装置属于工业控制与人工智能技术领域,本发明在泊松分布规律下,计算滤波器各个参数一范数的一阶差分与二阶差分,将其赋予权重后得到参数的活跃度。采用归一化函数将加权值转化为活跃度,免去剪枝中的阈值选择过程。该方法能够达到对各类入侵检测分类器的卷积层进行高比率剪枝的效果,能够使入侵检测分类器在资源十分稀缺的边缘工控系统中发挥优秀的性能,对轻量化工控系统的建设有一定的指导意义。将本发明的剪枝方法应用于LeNet‑5、VGG、ResNet等神经网络算法实验时,该剪枝方法能有效剪枝入侵检测分类器。

    基于泊松分布的神经网络混合差分剪枝方法和剪枝装置

    公开(公告)号:CN115099400A

    公开(公告)日:2022-09-23

    申请号:CN202210249392.X

    申请日:2022-03-14

    IPC分类号: G06N3/08

    摘要: 本发明的基于泊松分布的神经网络混合差分剪枝方法和剪枝装置属于工业控制与人工智能技术领域,本发明在泊松分布规律下,计算滤波器各个参数一范数的一阶差分与二阶差分,将其赋予权重后得到参数的活跃度。采用归一化函数将加权值转化为活跃度,免去剪枝中的阈值选择过程。该方法能够达到对各类入侵检测分类器的卷积层进行高比率剪枝的效果,能够使入侵检测分类器在资源十分稀缺的边缘工控系统中发挥优秀的性能,对轻量化工控系统的建设有一定的指导意义。将本发明的剪枝方法应用于LeNet‑5、VGG、ResNet等神经网络算法实验时,该剪枝方法能有效剪枝入侵检测分类器。