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：龙门实验室
摘要：本发明提供一种基于深度学习的农场点云语义分割方法，其具体方法为：采集数据，获取点云数据，对点云数据进行统计滤波和均值滤波预处理；根据点云数据的空间分布和语义信息，采用CloudCompare软件对点云数据中的目标地物分类标注，将标注好的点云合并为完整的点云文件；对点云文件进行网格子采样以降低点云密度，得到稀疏点云；构建DLA‑Net+PnP‑3D网络模型，基于训练好的DLA‑Net+PnP‑3D网络模型进行语义分割。本发明基于训练好的DLA‑Net+PnP‑3D网络模型进行农场点云语义分割，能够准确地识别与分割不同地物信息，提高了地物特征提取的准确性。
主权项：1.一种基于深度学习的农场点云语义分割方法，其特征在于，主要包括如下步骤：S1、采集数据，获取点云数据，对点云数据进行统计滤波和均值滤波预处理；S2、根据点云数据的空间分布和语义信息，采用CloudCompare软件对点云数据中的目标地物分类标注，将标注好的点云合并为完整的点云文件；S3、对点云文件进行网格子采样以降低点云密度，得到稀疏点云；S4、构建DLA-Net+PnP-3D网络模型，DLA-Net+PnP-3D网络模型的编码层中，通过DLA模块对输入特征进行处理，然后将处理后的特征传递给PnP-3D模块，以增强特征表示，在每个层级的最后，通过RS对经过DLA和PnP-3D模块处理后的特征进行降采样，减少点的数量，降采样后的特征被传递到下一个层级进行进一步处理；在解码层，通过线性插值和KNN查找实现特征上采样，并使用小波变换融合特征，通过MLP降维处理；最终通过两个全连接层和dropout技术输出每个点的类别；S5、利用从步骤S3得到的稀疏点云中划分出的训练集对DLA-Net+PnP-3D网络模型进行训练；S6、基于训练好的DLA-Net+PnP-3D网络模型进行语义分割。
全文数据：
权利要求：
百度查询： 龙门实验室 一种基于深度学习的农场点云语义分割方法
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