结合注意力机制及三维图卷积网络的点云配准模型及方法

发明专利有效专利

申请号：
CN202010717508.9
IPC分类号：G06T7/33;G06K9/62;G06N3/04
申请日期：
2020-07-23
申请人：
首都师范大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	结合注意力机制及三维图卷积网络的点云配准模型及方法
申请号	CN202010717508.9	申请日期	2020-07-23
法律状态	实质审查	申报国家	中国
公开/公告日	2020-11-03	公开/公告号	CN111882593A
优先权	暂无	优先权号	暂无
主分类号	G06T7/33 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕 G06T7/20 运动分析（数字视频信号的编解码或解压缩的运动估计入H04N 19/43，H04N 19/51）〔6，2006.01，2017.01〕 G06T7/33 使用基于特征的方法〔2017.01〕	IPC分类号	G;0;6;T;7;/;3;3;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	首都师范大学	申请人地址	北京市海淀区西三环北路105号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	首都师范大学	当前权利人	首都师范大学
发明人	张振鑫;孙澜;钟若飞;李小娟;宫辉力;邹建军
代理机构	苏州科洲知识产权代理事务所（普通合伙）	代理人	王悦

摘要

本发明涉及一种结合注意力机制及三维图卷积网络的点云配准模型及方法，该模型为一个三分支的暹罗(Siamese)架构，包括Detector模型和Descriptor模型。所述Detector模型用于提取点的注意力特征，构造注意力机制；所述Descriptor模型用于生成三维深度特征的表达式来表示点的三维深度特征，学习判别点云的深度特征。该方法先进行模型训练，利用featurealignmenttripletloss构造损失函数训练该模型，有效地从点云中提取注意力特征和描述子(Descriptor)特征；模型训练后，进行点云配准。本发明可以自动提取关键点和每个关键点的三维深度特征，在三维图卷积网络中，将多层感知器MLP与图卷积网络GCN相结合，设计了一个新的点云特征提取模块，可以提取更多有鉴别意义的点云特征，提高了点云配准的准确性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供