[发明专利]基于三维卷积神经网络的点云配准方法有效
| 申请号： | 201810342590.4 | 申请日： | 2018-04-17 |
| 公开（公告）号： | CN108596961B | 公开（公告）日： | 2021-11-23 |
| 发明（设计）人： | 王海霞;彭柔;陈朋;蒋莉;杨熙丞;吴晨阳 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06T7/33 | 分类号： | G06T7/33;G06N3/04;G06T17/00 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于三维卷积神经网络的点云配准方法，包括如下步骤：第一步：获取训练点云模型和待配准目标点云模型，计算其在观测方向上的深度图像；第二步：构建三维卷积神经网络模型，设定训练参数和损失函数，使用获取的数据集来训练网络，得到训练好的三维卷积神经网络模型；第三步：通过训练好的三维卷积神经网络模型来提取目标模型两视角下点云的特征点；第四步：根据提取到的特征点结合配准算法来计算两视角点云之间的配准参数。本发明具有良好的鲁棒性，可以在低分辨率、遮挡等条件不同的情况下准确的提取出点云的特征点。 | ||
| 搜索关键词： | 基于 三维 卷积 神经网络 点云配准 方法 | ||
【主权项】：
1.一种基于三维卷积神经网络的点云配准方法，其特征在于，所述方法包括如下步骤：1)获取训练点云模型和待配准目标点云模型，计算其在观测方向上的深度图像；2)构建三维卷积神经网络模型，设定训练参数和损失函数，使用获取的数据集来训练网络，得到训练好的三维卷积神经网络模型；3)通过训练好的三维卷积神经网络模型来提取目标模型两视角下点云的特征点；4)根据提取到的特征点通过配准算法来计算两视角点云之间的配准参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810342590.4/，转载请声明来源钻瓜专利网。
