一种基于稀疏多尺度体素特征融合的三维目标检测方法

    公开(公告)号:CN113379709A

    公开(公告)日:2021-09-10

    申请号:CN202110667132.X

    申请日:2021-06-16

    Abstract: 本发明公开了一种基于稀疏多尺度体素特征融合的三维目标检测方法,将原始点云采用三种不同尺度的体素进行体素化,获得三种不同尺度的体素化三维模型,分别对三种不同尺度的体素化三维模型进行注意力特征提取和平均特征提取,将注意力特征和平均特征进行联接操作融合为三维稀疏特征图;将三种不同尺度的三维稀疏特征图进行多尺度特征融合并压缩至鸟瞰图,得到多尺度融合的伪图像特征图,采用训练好的由浅至深回归网络对所述多尺度融合的伪图像特征图进行多重聚合,输出目标检测结果。本发明提高了定位和三维框估计的准确性,消耗了更少的资源开销。

    一种基于各向异性卷积的点云补全方法及装置

    公开(公告)号:CN113378112A

    公开(公告)日:2021-09-10

    申请号:CN202110679234.3

    申请日:2021-06-18

    Abstract: 本发明公开了一种基于各向异性卷积的点云补全方法及装置,采用迭代最远点采样算法对输入的原始点云数据进行下采样,获得更小分辨率的两个点云数据,输入到各向异性卷积编码器中,提取点云数据的潜在特征,并连接所提取的三个潜在特征,使用MLP生成了最终特征向量;将最终特征向量输入到从粗糙到精细的组合金字塔解码器中,从最终特征向量中推测出点云缺失部分。本发明可以生成更多的高精度点云,而整个点云和缺失区域的点云失真更小。

Patent Agency Ranking