一种基于点云的3D目标检测的数据增强方法和系统

    公开(公告)号:CN116824110A

    公开(公告)日:2023-09-29

    申请号:CN202311075922.4

    申请日:2023-08-25

    IPC分类号: G06T19/20

    摘要: 一种基于点云的3D目标检测的数据增强方法和系统,涉及机器视觉技术领域,包括如下步骤:基于数据集创建三维包围盒;基于所述三维包围盒创建一个均匀间隔的三维向量网格,基于所述三维向量网格扰动所述数据集中所有的目标对象的点云,输出表示目标对象的点云位移的矢量;基于所述矢量操纵所述目标对象的点云沿三维传感器的视觉光线方向移动获取目标对象的变形点云;将目标对象的变形点云放入数据集中。通过通用的对抗性攻击,提高了适用性,保证了紧凑性和可转移性;让点云沿三维传感器的视觉光线方向移动以保持形状和遮挡,增加现实世界的物理约束提高真实感,在使用对抗性方法改变目标对象作为数据增强后,提高了泛化能力。

    一种基于点云的3D目标检测的数据增强方法和系统

    公开(公告)号:CN116824110B

    公开(公告)日:2023-11-07

    申请号:CN202311075922.4

    申请日:2023-08-25

    IPC分类号: G06T19/20

    摘要: 一种基于点云的3D目标检测的数据增强方法和系统,涉及机器视觉技术领域,包括如下步骤:基于数据集创建三维包围盒;基于所述三维包围盒创建一个均匀间隔的三维向量网格,基于所述三维向量网格扰动所述数据集中所有的目标对象的点云,输出表示目标对象的点云位移的矢量;基于所述矢量操纵所述目标对象的点云沿三维传感器的视觉光线方向移动获取目标对象的变形点云;将目标对象的变形点云放入数据集中。通过通用的对抗性攻击,提高了适用性,保证了紧凑性和可转移性;让点云沿三维传感器的视觉光线方向移动以保持形状和遮挡,增加现实世界的物理约束提高真实感,在使用对抗性方法改变目标对象作为数据增强后,提高了泛化能力。

    基于深度学习的3D点云分类和匹配的方法及系统

    公开(公告)号:CN117475243A

    公开(公告)日:2024-01-30

    申请号:CN202311820558.X

    申请日:2023-12-27

    摘要: 本发明涉及点云分类和匹配技术领域,且公开了基于深度学习的3D点云分类和匹配的方法及系统,包括输入原始点云数据及其表面法线,整个网络包括特征学习块,所述特征学习块包括采样区域和同心环形卷积,通过采样区域和同心环形卷积的方式处理点数据对特征进行编码;基于点数据对特征的编码,最大池化层聚合相邻层间的特征,通过残差特征传达块处理,将初始层的特征传达到更深层来提高特征的质量,其中在计算特征映射时,通过添加线性的投影链接和非线性ReLU‑组归一化链接;将网络的最终输出经过一系列的卷积和全连接层进行分类任务,将网络中不同级别的输出经过插值处理和卷积进行匹配任务,有效提高了点云分类和匹配的准确性以及稳定性。

    一种外观缺陷检测的方法和系统
    4.
    发明公开

    公开(公告)号:CN116894837A

    公开(公告)日:2023-10-17

    申请号:CN202310998722.X

    申请日:2023-08-09

    摘要: 本发明提供了一种外观缺陷检测的方法和系统,涉及机器视觉技术领域,包括如下步骤:基于特征图提取网络顺序提取不同级别的特征图;基于窗口注意力机制特征连接模型和补丁拓展块按所述顺序的倒序从高级特征图中提取全局语义特征图;基于卷积网络从低级特征图中提取空间特征图;将全局语义特征图和空间特征图连接到单个特征图中,基于通道挤压和空间激励块提升所述单个特征图中的目标特征;基于卷积层和S型函数输出缺陷检测预测图。实现了高性能的空间和全局语义特征提取,并提高在边缘、颜色和纹理等小空间细节缺陷的检测效果,以实现更好的像素级的外观缺陷检测。