公开(公告)号：CN111951368A

公开(公告)日：2020-11-17

申请号：CN202010897101.9

申请日：2020-08-31

Applicant: 广州大学

Inventor： 唐可可 ,  陈禹宏 ,  顾钊铨 ,  田志宏 ,  殷丽华 ,  李默涵 ,  李树栋 ,  仇晶 ,  韩伟红

IPC: G06T15/00 ,  G06T15/08 ,  G06N3/04

Abstract: 本发明提出一种点云、体素和多视图融合的深度学习方法，包括步骤一：设定输入为一帧的全部点云数据的集合；步骤二：提取在每个点上的单个点特征；步骤三：将点云进行归一化处理，然后进行体素化操作，生成体素网格，进而提取体素特征；步骤四：得到体素的多个2D视图放入ResNet网络中提取点云视图特征；步骤五：投影层将点云视图特征投影到原体素网格中；步骤六：将体素特征和投影到原体素网格的点云视图特征一起进行降体素操作，把体素特征和投影到原体素网格的点云视图特征返还给点云；步骤七：将点云的单个点特征、返还给点云的体素特征和点云视图特征进行融合。

公开(公告)号：CN113780446A

公开(公告)日：2021-12-10

申请号：CN202111086655.1

申请日：2021-09-16

Applicant: 广州大学

Inventor： 陈禹宏 ,  唐可可 ,  彭伟龙 ,  方美娥

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种可重参数化的轻量级体素深度学习方法，包括：获取体素网格，将体素网格输入有若干个大小不同卷积核的3DCNN网络进行训练，获得训练好的若干个大小不同的卷积核；将若干个大小不同的卷积核进行重参数化，获得重参数化的3DCNN网络；基于重参数化的3DCNN网络对体素网格进行推理，获得最终体素网格特征。本发明在训练时采用多个卷积核提取体素特征，在推理时会将多个卷积核融合成一个卷积核以减少复杂度，但其推理最终效果不变；本发明基于体素方法采用的是低分辨率，将具有更少的内存占用；模型只对点云扫描一次，从而降低了内存成本和时间成本。

公开(公告)号：CN111951368B

公开(公告)日：2023-08-08

申请号：CN202010897101.9

申请日：2020-08-31

Applicant: 广州大学

Inventor： 唐可可 ,  陈禹宏 ,  顾钊铨 ,  田志宏 ,  殷丽华 ,  李默涵 ,  李树栋 ,  仇晶 ,  韩伟红

IPC: G06T15/00 ,  G06T15/08 ,  G06N3/0464 ,  G06V10/80

Abstract: 本发明提出一种点云、体素和多视图融合的深度学习方法，包括步骤一：设定输入为一帧的全部点云数据的集合；步骤二：提取在每个点上的单个点特征；步骤三：将点云进行归一化处理，然后进行体素化操作，生成体素网格，进而提取体素特征；步骤四：得到体素的多个2D视图放入ResNet网络中提取点云视图特征；步骤五：投影层将点云视图特征投影到原体素网格中；步骤六：将体素特征和投影到原体素网格的点云视图特征一起进行降体素操作，把体素特征和投影到原体素网格的点云视图特征返还给点云；步骤七：将点云的单个点特征、返还给点云的体素特征和点云视图特征进行融合。