Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华南理工大学毛爱华获国家专利权

华南理工大学毛爱华获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉华南理工大学申请的专利一种基于低质去噪和多级上采样的点云补全方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116883266B

龙图腾网通过国家知识产权局官网在2026-01-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310689931.6,技术领域涉及:G06T5/70;该发明授权一种基于低质去噪和多级上采样的点云补全方法是由毛爱华;刘清;解博深设计研发完成,并于2023-06-12向国家知识产权局提交的专利申请。

一种基于低质去噪和多级上采样的点云补全方法在说明书摘要公布了:本发明公开了一种基于低质去噪和多级上采样的点云补全方法,该方法首先设计、搭建并训练了自编码器模块、邻域自适应去噪模块和多级上采样模块。在补全过程中,残缺点云首先通过自编码器模块生成稀疏的粗糙完整点云,该点云只有全局形状,缺乏精细的几何细节。紧接着通过邻域自适应模块对稀疏的粗糙完整点云进行去噪,祛除了大部分噪声点,使得几何结构更清晰。最后,将去噪的点云输入到多级上采样模块得到密集完整点云。与现有的技术相比,本发明的点云补全方法能在保留残缺点云几何结构的同时,生成具有精细几何细节的密集完整点云,且在细长结构处无噪声点或含有少量噪声点。

本发明授权一种基于低质去噪和多级上采样的点云补全方法在权利要求书中公布了:1.一种基于低质去噪和多级上采样的点云补全方法,其特征在于,所述点云补全方法包括以下步骤: S1、构建基于低质去噪和多级上采样的点云补全网络,该网络包括依次顺序连接的自编码器模块、邻域自适应去噪模块和多级上采样模块,其中,自编码器模块由依次顺序连接的编码器和解码器组成,多级上采样模块由依次顺序连接的两个基于划分的上采样Transformer模块组成;所述编码器的工作过程如下: 给定残缺点云i∈{1,2,…,N},为点云中的第i个点,N为残缺点云中点的数量,通过残缺点云P构建几何上下文Cgeo,过程如下:对残缺点云P中的每个点查找邻域,得到邻域张量Ngeo∈k为残缺点云P中每个点对应邻域的大小;同时,将残缺点云P扩展出一个新的维度并沿该维度将点云的点坐标复制k次形成原始坐标张量通过邻域张量与原始坐标张量得到相对坐标△P=Ngeo-Ogeo,使用相对坐标和原始坐标张量进行拼接得到几何上下文Cgeo=concat[Ogeo;△[],concat[;]表示按一指定维度进行张量的拼接操作; 通过残缺点云[构建特征上下文Cfeat,过程如下:对残缺点云[通过进行逐点特征提取得到残缺点云P的逐点特征d表示残缺点云[的逐点特征的通道数,fi为残缺点云P中第i个点pi对应的特征;对残缺点云P的每个点的特征fi查找邻域,得到特征邻域张量同时,将残缺点云[的逐点特征F扩展出一个新的维度并沿该维度将每个点的特征复制k次得到原始特征张量通过特征邻域张量与原始特征张量得到相对特征张量△F=Nfeat-Ofeat,使用相对特征张量和原始特征张量进行拼接得到特征上下文Cfeat=concat[Ofeat;△F]; 将几何上下文Cgeo和特征上下文Cfeat进行融合得到Ff,过程如下:先将二者分别通过两个独立的多层感知机和得到特征编码和接着将二者按通道维度进行拼接,最后对邻域进行最大池化得到Ff,表示对一指定维度做最大池化操作; 对Ff通过层级特征提取操作进行特征增强得到Ff′,层级特征提取操作过程如下:对Ff进行第一次跨注意力操作得到Fc1,对Fc1进行第一次自注意力操作得到Fs1;对Fs1进行第二次跨注意力操作得到Fc2,对Fc2进行第二次自注意力操作得到Fs2;对Fs2进行第三次跨注意力操作得到Fc3,对Fc3进行第三次自注意力操作得到Ff′,对增强后的特征Ff′通过最大池化操作得到全局特征cg为全局特征g的维度; S2、通过点云补全数据集训练基于低质去噪和多级上采样的点云补全网络,通过最小化损失函数,以端到端的方式迭代训练,每次迭代过程中计算损失函数值,并使用反向传播技术更新点云补全网络中的参数,直至网络收敛; S3、输入残缺点云P,通过自编码器模块中的编码器对残缺点云进行特征编码得到全局特征g,通过自编码器模块中的解码器对全局特征g进行解码操作得到稀疏的粗糙完整点云P0; S4、通过邻域自适应去噪模块对稀疏的粗糙完整点云P0进行去噪操作得到去噪点云P1; S5、将去噪点云P1与残缺点云P混合后进行下采样,将下采样得到的点云输入多级上采样模块,多级上采样模块对下采样点云进行连续的多次上采样得到密集完整点云C。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华南理工大学,其通讯地址为:510640 广东省广州市天河区五山路381号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。