[发明专利]一种基于卷积神经网络的三维点云模型分类方法有效
| 申请号： | 201810790133.1 | 申请日： | 2018-07-18 |
| 公开（公告）号： | CN109063753B | 公开（公告）日： | 2021-09-14 |
| 发明（设计）人： | 白静;司庆龙;刘振刚 | 申请（专利权）人： | 北方民族大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 冯炳辉 |
| 地址： | 750021 宁夏回族*** | 国省代码： | 宁夏;64 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的三维点云模型分类方法，包括步骤：S1、选用Princeton ModelNet，分别针对ModelNet10和ModelNet40，从官网选取所需数量的模型作为训练数据和测试数据，生成训练集和数据集；S2、对点云模型进行特征分析以及构建分类框架；S3、对点云进行有序化；S4、将有序点云数据二维图像化；S5、构建面向二维点云图像的CNN网络。本发明首次将图像领域的CNN直接应用于三维点云模型的分类中,在ModelNet10和ModelNet40上分别取得了93.97％和89.75％的分类准确率，和当前最好的方法相当，实验结果充分表明，将图像领域的CNN应用于三维点云模型分类具有可行性，本文所提出的PCI2CNN能够有效捕捉点云模型的三维特征信息,适用于三维点云模型分类。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 三维 模型 分类 方法 | ||
【主权项】：
1.一种基于卷积神经网络的三维点云模型分类方法，其特征在于，包括以下步骤：S1、选用Princeton ModelNet，分别针对ModelNet10和ModelNet40，从官网选取所需数量的模型作为训练数据和测试数据，生成训练集和数据集；S2、对点云模型进行特征分析以及构建分类框架；S3、对点云进行有序化；S4、将有序点云数据二维图像化；S5、构建面向二维点云图像的CNN网络，包括：基于中型CNN的点云模型分类、基于小型CNN的点云模型分类和面向二维点云图像的CNN构造及分类。
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北方民族大学，未经北方民族大学许可，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/201810790133.1/，转载请声明来源钻瓜专利网。
