[发明专利]一种基于熵与卷积神经网络的点云降噪方法在审
| 申请号： | 201910672215.0 | 申请日： | 2019-07-24 |
| 公开（公告）号： | CN110533603A | 公开（公告）日： | 2019-12-03 |
| 发明（设计）人： | 黄界水;王妙锦;章林平;夏舒立;钟榕 | 申请（专利权）人： | 宁德市公路局;福州大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/04 |
| 代理公司： | 33246 浙江千克知识产权代理有限公司 | 代理人： | 裴金华<国际申请>=<国际公布>=<进入 |
| 地址： | 352100 福*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于熵与卷积神经网络的点云降噪方法，属于计算机技术领域。一种基于熵与卷积神经网络的点云降噪方法，S1、收集点云数据并根据实体进行人工标注点云数据是否是噪点；S2、将人工标注的点云数据进行归一化处理，并将归一化处理后的点云数据输入熵与卷积神经网络系统进行判别模型的训练；S3、判断判别模型精准度是否符合要求，若否，系统自动调整卷积神经网络模型，并返回S1，若是，将当前分类模型定位最佳分类模型；S4、获取待检测点云数据，采用最佳判别模型对待检测点云数据进行是否噪点的判别，若是噪点，则依据使用者主观选择机率噪声点处理噪点。通过人工和计算机配合方式判断噪点，实现有监督的学习，提高学习精度。 | ||
| 搜索关键词： | 噪点 卷积神经网络 点云数据 判别模型 归一化处理 分类模型 人工标注 检测点 点云 降噪 计算机技术领域 配合方式 主观选择 精准度 收集点 噪声点 返回 学习 计算机 监督 | ||
【主权项】：
1.一种基于熵与卷积神经网络的点云降噪方法，其特征在于，包括以下步骤，/n步骤S1、收集点云数据并根据实体进行人工标注点云数据是否是噪点；/n步骤S2、将人工标注的点云数据进行归一化处理，并将归一化处理后的点云数据输入熵与卷积神经网络系统进行判别模型的训练；/n步骤S3、判断判别模型精准度是否符合要求，若否，熵与卷积神经网络系统自动优化卷积神经网络节点权重，并返回步骤S1；若是，将当前判别模型定位最佳判别模型；/n步骤S4、获取待检测点云数据，采用最佳判别模型对待检测点云数据进行是否噪点的判别，若是噪点，则依据使用者主观选择机率噪声点处理噪点，若不是噪点，则结束。/n
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宁德市公路局;福州大学，未经宁德市公路局;福州大学许可，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/201910672215.0/，转载请声明来源钻瓜专利网。
