龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：宁夏大学
摘要：本发明公开了一种基于自监督学习的三维关键点检测方法：步骤1，对三维点云中进行多视图渲染，得到多视图补丁；步骤2，通过特征提取网络得到最终特征图；步骤3，将特征图进行多视图特征融合，得到多视图并嵌入为描述符；步骤4，将描述符送入多层感知器，得到每个关键点的概率语义信息；步骤5，将关键点概率送入GAN网络学习，得到关键点的概率分布；步骤6，将概率分布和语义信息通过max运算得到全局特征；步骤7：利用全局特征采用重建网络进行点云粗重建；步骤8，二次重建得到精细化点云；步骤9：训练过程中调整网络参数，检测三维关键点。本发明能够更加准确地检测出显著的关键点，而且提升了关键点检测的稳定性和泛化性。
主权项：1.一种基于自监督学习的三维关键点检测方法，其特征在于，具体包括如下的步骤：步骤1，对三维点云中的每个点进行多视图渲染，得到一组多视图补丁；步骤2，将步骤1得到多视图渲染补丁通过特征提取网络L2_GE进行特征提取，得到最终的特征图步骤3，将步骤2输出的特征图Fk进行多视图的特征融合，得到多视图然后将嵌入为一个描述符Fx∈Rw×H×D；步骤4，将步骤3得到的描述符Fx∈Rw×H×D送入多层感知器MLP，得到每个关键点pi的概率px∈[0,1]和语义信息Ex∈RF；步骤5，将步骤4得到的关键点概率px送入到GAN网络进行学习，得到关键点的概率分布步骤6，将通过步骤5得到的关键点的概率分布和步骤4得到的语义信息Ex作为输入，通过max运算得到全局特征CompressedReprentation；步骤7：利用全局特征CompressedReprentation，采用重建网络TopNet进行点云粗重建，输出粗重建的点云R1；步骤8，对步骤7得到的粗点云R1进行二次重建，得到精细化点云R2；步骤9：通过最小化损失函数的值，在训练过程中不断调整网络参数，检测三维关键点。
全文数据：
权利要求：
百度查询： 宁夏大学 一种基于自监督学习的三维关键点检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号