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!
摘要:本发明公开了基于特征提取模块和对偶四元数的点云配准方法及系统,从数据集中读取3D点云数据,得到每个样本所含有的点的三维坐标以及类别标签;对每个样本包含的点进行随机采样,得到模板点云;对模板点云进行平移和旋转得到源点云,根据样本的类别标签将源点云和模板点云划分为训练集和测试集;构造基于特征提取模块和对偶四元数的点云配准模型,并构造点云配准模型的损失函数;用划分的训练集对点云配准模型进行训练,利用训练好的点云配准模型对划分的测试集进行点云配准。本发明充分挖掘点云中的全局和局部信息,有效弥补点云配准的全局特征提取阶段局部特征的缺失。
主权项:1.基于特征提取模块和对偶四元数的点云配准方法,其特征在于,从数据集中读取3D点云数据,得到每个样本所含有的点的三维坐标以及类别标签;对每个样本包含的点进行随机采样,得到模板点云;对模板点云进行平移和旋转得到源点云,根据样本的类别标签将源点云和模板点云划分为训练集和测试集;构造基于特征提取模块和对偶四元数的点云配准模型,并构造点云配准模型的损失函数;用划分的训练集对点云配准模型进行训练,利用训练好的点云配准模型对划分的测试集进行点云配准;基于特征提取模块和对偶四元数的点云配准模型具体为:将源点云和模板点云作为输入送入GLFNet特征提取网络,经过拼接得到N*1152的特征矩阵,分别对源点云和模板点云得到的特征矩阵进行最大池化得到包含局部信息的全局特征;将提取的全局特征进行拼接得到大小为1*2304的特征;然后输入全连接层提取大小为N*8的元素,将8维元素定义为对偶四元数的8个参数,再通过8个参数预测最终的旋转矩阵和平移矩阵得到刚性变换,最后通过迭代变换源点云,将更新后的源点云作为GLFNet特征提取网络的输入;在执行n次迭代后通过组合每次迭代中的所有姿势获得源点云和模板点云之间的整体变换;GLFNet特征提取网络包括五个大小分别为64、64、64、128、1024的MLP,使用LF单元对每一层的输出特征提取局部特征,将从共享MLP输出的特征作为每一层LF单元的输入;LF单元的输出跟下一层MLP的输出相拼接,再作为下一层MLP的输入,每层提取的特征融合局部信息,每一层的特征大小分别扩展到64、128、128、192、1152,源点云和模板点云包含局部信息的全局特征和分别为: 其中,为最大池化操作,为扩展到1152维的源点云特征,为扩展到1152维的模板点云特征。
全文数据:
权利要求:
百度查询: 西安电子科技大学 基于特征提取模块和对偶四元数的点云配准方法及系统
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。