“徐名业”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7个，建议您升级VIP下载更多相关专利

[发明专利]一种处理三维点云的方法、装置、设备以及存储介质-CN202110163660.1有效
发明人：乔宇;徐名业;张钧皓;周志鹏 -专利权人：中国科学院深圳先进技术研究院
申请日： 2021-02-05 - 公布日： 2023-10-27 - 主分类号： G06V10/44 文献下载
摘要：本申请适用于计算机技术领域，提供了一种处理三维点云的方法、处理三维点云的装置、处理三维点云的设备及存储介质，包括：获取包括多个点的点云数据；将所述点云数据输入到已训练的卷积神经网络中处理，得到每个点对应的目标特征，所述卷积神经网络包括几何注意力融合模块和聚焦模块；基于每个点对应的目标特征，确定每个点对应的预测类别。基于该方法提取到的每个点的目标特征，包含了每个点对应的重要的几何信息，使提取到的每个点的目标特征更加准确、有效，进而根据每个点的目标特征进行预测类别时，得到的预测结果非常准确。
一种处理三维方法装置设备以及存储介质

[发明专利]一种基于遮蔽建模的点云预训练方法-CN202211634065.2在审
发明人： 徐名业;乔宇;许牧天;贺通;欧阳万里;王亚立;韩晓光 -专利权人：上海人工智能创新中心
申请日： 2022-12-19 - 公布日： 2023-05-12 - 主分类号： G06T17/00 文献下载
摘要：本申请提供一种基于遮蔽建模的点云预训练方法，该方法包括：采用局部统计从三维场景的所有点中确定预训练数据集；采用预训练数据集对预训练框架进行训练，预训练框架采用渐进式重建方式进行信息保留的重建。该方案采用渐进式重建方式，可以更好的模拟被遮蔽的区域，集中重建局部区域的三维结构，而不是重建原始的完整场景。模型的重点是恢复区域的几何模式，可以享有较少的模糊性，并且能够恢复准确的几何信息。
一种基于遮蔽建模点云预训练方法

[发明专利]一种三维点云的处理方法、装置及设备-CN201911259766.0有效
发明人：乔宇;徐名业;周志鹏 -专利权人：深圳先进技术研究院
申请日： 2019-12-10 - 公布日： 2023-05-02 - 主分类号： G06T15/00 文献下载
摘要：本发明提出了一种三维点云的处理方法、装置及设备，该方法包括：获取包括多个点的点云数据；将所述点云数据输入预先训练好的卷积神经网络；所述卷积神经网络包括：几何特征信息共享的卷积模块；针对点云数据中每个点，基于所述卷积模块获取所述点在欧式空间的近邻点，且基于所述点在欧式空间的近邻点确定所述点在特征值空间的近邻点；聚合所述点在欧式空间的近邻点以及所述点在特征值空间的近邻点得到聚合后的特征；使用多层感知器对聚合后的特征进行特征学习，并对近邻点的维度做最大池化操作得到输出特征。通过直接构造卷积结构处理三维点云数据，有效地减缓数据缺失问题和数据冗余问题。
一种三维处理方法装置设备

[发明专利]一种构建自我监督点云学习的语义扰动重构网络的方法-CN202110676639.1有效
发明人：乔宇;徐名业;王亚立;周志鹏 -专利权人：中国科学院深圳先进技术研究院
申请日： 2021-06-18 - 公布日： 2022-07-08 - 主分类号： G06T7/11 文献下载
摘要：本发明公开一种构建自我监督点云学习的语义扰动重构网络的方法。该方法包括：构建语义扰动重构网络，其基本分支包括第一特征提取网络和第一预测网络，第一特征提取网络以点云为输入，提取局部特征和全局特征，第一预测网络用于点云重建和法向估计；扰动分支包括第二特征提取网络和第二预测网络，第二特征提取网络以语义扰动的点云为输入，提取局部特征和扰动点云的全局特征，第二预测网络用于点云重建；优化损失函数为目标训练语义扰动重构网络，训练过程中，第一特征提取网络和第二特征提取网络共享权重，并通过点云一致性损失的约束进行无监督学习，以利用扰动分支来引导基本分支进行特征学习。本发明能获得更精确的点云数据自监督分析结果。
一种构建自我监督学习语义扰动网络方法

[发明专利]一种点云补全方法和装置-CN202111349742.1在审
发明人： 徐名业;王亚立;乔宇 -专利权人：深圳先进技术研究院
申请日： 2021-11-15 - 公布日： 2022-01-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种点云补全方法和装置。该方法包括：获取待补全目标的原始点云数据；将所述原始点云数据输入到第一生成网络，获得第一完整点云数据，所述第一生成网络是采用增强的训练数据集训练获得；将第一完整点云数据输入第二生成网络，获得第二完整点云数据，作为补全结果，其中第二生成网络利用语义表示引导生成第二完整点云数据。本发明提高了点云补全的通用性和鲁棒性，并使重建点云的局部结构更清晰、准确。
一种点云补全方法装置

[发明专利]面向点云的特征提取方法、装置及设备-CN201810271498.3有效
发明人：乔宇;徐一凡;徐名业;范天琪 -专利权人：中国科学院深圳先进技术研究院
申请日： 2018-03-29 - 公布日： 2021-05-28 - 主分类号： G06K9/62 文献下载
摘要：一种面向点云的特征提取方法包括：获取点云数据；将所述点云数据输入预先训练完成的卷积神经网络，所述卷积神经网络的卷积核为参数化卷积核，所述参数化卷积核包括半径的阶梯函数与输入点的三阶泰勒展开的乘积，所述半径为以原点为起点，输入点为终点的向量的长度，所述输入点为所述半径范围内的三维的点云数据中的点；根据所述卷积神经网络的计算结果，提取所述点云数据的特征。由于本申请可以直接输入点云进行计算，不需要将点云数据转换为其它复杂的数据格式，有利于减少内存占用和计算机资源的消耗，能够更为快速的提取丰富的特征数据。通过本申请所述的面向点云的特征提取方法，可以有效的应用于物体或图像分类、配准和重建。
面向特征提取方法装置设备

[发明专利]一种基于几何解缠的三维点云处理方法、装置及设备-CN202011494730.3在审
发明人：乔宇;许牧天;张钧皓;周志鹏;徐名业 -专利权人：深圳先进技术研究院
申请日： 2020-12-17 - 公布日： 2021-03-19 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种基于几何解缠的三维点云处理方法、装置及设备。该方法包括：获取物体的点云数据并进行处理；对点云数据进行几何解缠，以根据几何变化程度划分为几何变化大的点和几何变化小的点；将点云数据输入到经训练的卷积神经网络进行特征提取和分类分割，其中所述神经网络模型用于提取点云数据的局部特征和全局特征，并利用几何注意力模块学习所述几何变化大的点和几何变化小的点之间的相互补充信息。利用本发明能够提高点云数据分类任务的准确度以及分割任务的交叉合并率。
一种基于几何三维处理方法装置设备