“海琳琦”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]一种优化区域知识先验的稀疏角CB-XLCT成像方法-CN202110429169.9有效
发明人：张海波;寇姣姣;海琳琦;黄启辰;刘英杰;耿国华;周明全 -专利权人：西北大学
申请日： 2021-04-21 - 公布日： 2023-10-27 - 主分类号： G06T11/00 文献下载
摘要：本发明公开一种优化区域知识先验的稀疏角CB‑XLCT成像方法，包括：步骤1，根据稀疏角CB‑XLCT成像不适定逆问题构建稀疏非凸Lp，0p1正则模型；步骤2，将稀疏非凸Lp正则模型转化为重加权凸L1正则模型；步骤3，设计迭代重加权裂分增广拉格朗日收缩算法求解；步骤4，结合经典非凸p值，求解稀疏解集对应的可行区域集；步骤5，将可行区域集优化为稳定的知识先验进而指导最终逆问题的求解；步骤6，根据步骤5中的求解结果显示重建后的稀疏角CB‑XLCT图像；本发明不仅有效解决了稀疏角CB‑XLCT成像逆问题，而且具有良好的可扩展性。
一种优化区域知识先验稀疏 cb xlct 成像方法

[发明专利]一种基于几何Transformer和高斯混合模型的三维点云配准方法-CN202310158547.3在审
发明人：张海波;海琳琦;王旭;王喜芝;张顺利;耿国华;周明全 -专利权人：西北大学
申请日： 2023-02-23 - 公布日： 2023-06-30 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于几何Transformer和高斯混合模型的三维点云配准方法，包括：步骤1，通过三维扫描仪获取多个视角的三维点云；步骤2，首先利用PointNet网络提取两片点云的局部特征，后将单个点云的局部特征与两点云的全局特征进行特征融合；步骤3，再利用带有几何关系编码的Transformer网络来识别两片点云间的重叠区域；步骤4，使用高斯混合模型来表示输入的点云，利用点云特征、重叠分数、概率矩阵计算得到匹配参数；步骤5，从匹配的高斯混合模型(GMM)参数中计算匹配矩阵，完成三维点云的配准。本发明提供的三维点云配准方法在两片点云包含大量噪声和异常点情况下仍能快速并精确地完成三维点云配准任务。
一种基于几何 transformer 混合模型三维点云配准方法

[发明专利]一种基于特征交互和可靠对应关系估计的三维点云配准方法-CN202310155735.0在审
发明人：张海波;海琳琦;李若雪;吕哲;张顺利;耿国华;周明全 -专利权人：西北大学
申请日： 2023-02-23 - 公布日： 2023-05-16 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于特征交互和可靠对应关系估计的三维点云配准方法，包括：步骤1，通过三维扫描仪获取模型多个视角的三维点云；步骤2，利用图神经网络提取两片点云的特征，后利用带有位置编码的Transformer网络对目标点云和源点云的特征进行聚合；步骤3，通过基于注意力机制的重叠掩码网络来识别两片点云间的重叠区域，提取关键点；步骤4，利用两片点云的形状特征和三维坐标特征分别计算匹配矩阵；步骤5，采用三角描述符来区分内联点和异常点，并结合SVD算法来估计源点云与目标点云之间的变化矩阵，完成三维点云的配准；本发明提供的配准方法在两片点云间部分重叠、包含大量噪声等情况下仍能快速精确地完成三维点云配准任务。
一种基于特征交互可靠对应关系估计三维点云配准方法

[发明专利]一种基于卷积神经网络的陶瓷碎片分类方法-CN202210793879.4在审
发明人：耿国华;赵虹乔;刘阳洋;王毅;安峥博;廖殷汉;海琳琦 -专利权人：西北大学
申请日： 2022-07-07 - 公布日： 2022-09-13 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于卷积神经网络的陶瓷碎片分类方法，首先建立了陶瓷样本数据库，然后构建了深度残差收缩网络，针对网络初始参数需要手工调优的问题，本发明提出基于直觉模糊熵的粒子群算法去优化深度残差收缩网络的初始超参数，构建IFEPSO‑DRSN分类模型，利用IFEPSO‑DRSN分类模型进行陶瓷碎片分类；本发明提供的陶瓷碎片分类方法能够有效的提取到陶瓷碎片的复杂视觉外观特征，从而进行准确的分类，同时能自动调节网络的初始超参数，解决网络中参数大小难以调节的问题，有效提高网络的收敛速度、节省优化时间。
一种基于卷积神经网络陶瓷碎片分类方法

[发明专利]一种基于动态图注意力机制的秦俑三维点云鲁棒配准方法-CN202111245398.1在审
发明人：张海波;海琳琦;鱼跃华;岳子璇;李倩红;李康;耿国华 -专利权人：西北大学
申请日： 2021-10-26 - 公布日： 2022-02-11 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于动态图注意力机制的秦俑三维点云鲁棒配准方法，包括：步骤1，通过三维扫描仪获取不同分辨率的秦俑三维点云；步骤2，在U‑Net网络中，将卷积层替换为B‑NHN‑Conv，将反卷积层替换为B‑NHN‑ConvTr，并将残差模块和动态图注意力机制嵌入到U‑Net网络中，得到点云配准网络；步骤3，将不同分辨率的秦俑三维点云输入到点云配准网络中，在circle loss损失函数和overlap loss损失函数的监督下对其进行训练；步骤4，利用训练完成的点云配准网络提取秦俑三维点云特征，并结合RANSAC算法来估计源点云与目标点云之间的变化矩阵，完成秦俑三维点云的配准。本发明提供的配准方法在点云分辨率不匹配、包含大量噪声的情况下仍能学习鲁棒的特征并较好地完成低重叠度下点云的配准。
一种基于动态注意力机制秦俑三维点云鲁棒配准方法

[发明专利]基于双重注意力机制特征提取的深度高斯混合模型颅骨配准方法-CN202110032732.9在审
发明人：耿国华;寇姣姣;张海波;海琳琦;鱼跃华;刘一萍 -专利权人：西北大学
申请日： 2021-01-11 - 公布日： 2021-05-14 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种基于双重注意力机制特征提取的深度高斯混合模型颅骨配准方法，包括：步骤1，通过三维扫描仪获取三维点云模型；步骤2，将三维点云模型处理为只含顶点信息的1700个点的颅骨模型；步骤3，将点云模型输入到卷积神经网络中提取特征；步骤4，计算特征与高斯混合模型参数之间的对应关系矩阵得到匹配参数；步骤5，从匹配的参数中恢复最优变换；本发明克服了现有局部配准方法若无良好的初始化导致遇到较大变换匹配失败问题，且克服了现有全局配准方法速度慢且效率低问题，有效地建立了点到模型之间的数据关联以实现点云高效配准。
基于双重注意力机制特征提取深度混合模型颅骨方法