-
公开(公告)号：CN112967296A
公开(公告)日：2021-06-15
申请号：CN202110261653.5
申请日：2021-03-10
申请人： 重庆理工大学
摘要： 本发明公开了一种点云动态区域图卷积方法，以及使用这种点云动态区域图卷积方法的一种点云动态区域图分类方法和一种点云动态区域图分割方法。本发明采用了一种针对点云的新的卷积运算形式，根据构建点云图结构，通过一种非线性方法聚合多个不同邻域的点特征信息，使得神经元能够自适应的选取区域大小。与PointNet等现有的在单个点上进行分析的技术方案相比，本发明构建了多个不同的局部邻域图结构，让每个神经元都能够自适应的选取适合的邻域感受野大小，然后利用每个点与邻域点之间的联系进行类似的卷积运算获取局部特征，能够更好的结合周围邻域信息，更加有效的提取到局部几何信息，最终提高对点云数据的分类或分割的准确率。
-
公开(公告)号：CN112967296B
公开(公告)日：2022-11-15
申请号：CN202110261653.5
申请日：2021-03-10
申请人： 重庆理工大学
摘要： 本发明公开了一种点云动态区域图卷积方法，以及使用这种点云动态区域图卷积方法的一种点云动态区域图分类方法和一种点云动态区域图分割方法。本发明采用了一种针对点云的新的卷积运算形式，根据构建点云图结构，通过一种非线性方法聚合多个不同邻域的点特征信息，使得神经元能够自适应的选取区域大小。与PointNet等现有的在单个点上进行分析的技术方案相比，本发明构建了多个不同的局部邻域图结构，让每个神经元都能够自适应的选取适合的邻域感受野大小，然后利用每个点与邻域点之间的联系进行类似的卷积运算获取局部特征，能够更好的结合周围邻域信息，更加有效的提取到局部几何信息，最终提高对点云数据的分类或分割的准确率。
-
公开(公告)号：CN111428815B
公开(公告)日：2022-05-17
申请号：CN202010300689.5
申请日：2020-04-16
申请人： 重庆理工大学
IPC分类号： G06V10/762 , G06V10/80 , G06K9/62 , G06V10/24 , G06N3/04
摘要： 本发明公开了一种基于Anchorangle机制的机械臂抓取检测方法，包括：对训练集进行聚类得到先验信息；将训练集中的RGB图片和点云数据输入检测模型进行回归得到预测结果；基于预测结果与先验信息的差异对检测模型的参数进行优化调整，减小预测结果与先验信息的差异；优化后的预测结果包括一个抓取位置及其对应的尺寸信息，还包括K个抓取旋转角信息及每个抓取旋转角信息对应的置信度，将最高置信度对应的抓取旋转角信息与抓取位置及其对应的尺寸信息结合得到抓取信息。本发明在抓取检测的过程中保留了原有的点云特征，提高了检测抓取的精准度；减少了网络的计算量，提高了抓取检测的效率；避免了表面由于人工选取带来的偶然性和局限性。
-
公开(公告)号：CN111428815A
公开(公告)日：2020-07-17
申请号：CN202010300689.5
申请日：2020-04-16
申请人： 重庆理工大学
摘要： 本发明公开了一种基于Anchorangle机制的机械臂抓取检测方法，包括：对训练集进行聚类得到先验信息；将训练集中的RGB图片和点云数据输入检测模型进行回归得到预测结果；基于预测结果与先验信息的差异对检测模型的参数进行优化调整，减小预测结果与先验信息的差异；优化后的预测结果包括一个抓取位置及其对应的尺寸信息，还包括K个抓取旋转角信息及每个抓取旋转角信息对应的置信度，将最高置信度对应的抓取旋转角信息与抓取位置及其对应的尺寸信息结合得到抓取信息。本发明在抓取检测的过程中保留了原有的点云特征，提高了检测抓取的精准度；减少了网络的计算量，提高了抓取检测的效率；避免了表面由于人工选取带来的偶然性和局限性。
-
-
-
搜索结果
4 条记录 (耗时 0.022 秒)
