[发明专利]一种基于pointpillars的多平面编码点云特征深度学习模型的构建方法有效
| 申请号： | 202010425656.3 | 申请日： | 2020-05-19 |
| 公开（公告）号： | CN111612059B | 公开（公告）日： | 2022-10-21 |
| 发明（设计）人： | 周洋;吕精灵;李小毛;彭艳;蒲华燕;谢少荣;罗均 | 申请（专利权）人： | 上海大学 |
| 主分类号： | G06V10/80 | 分类号： | G06V10/80;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 郑州翊博专利代理事务所(普通合伙) 41155 | 代理人： | 付红莉;周玉青 |
| 地址： | 200444*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于计算机视觉技术领域，具体公开了一种基于pointpillars的多平面编码点云特征深度学习模型的构建方法。构建方法为：获取训练样本，采用训练样本对多平面编码点云特征深度学习模型进行训练，使得将训练样本中的点云数据输入训练后的多平面编码点云特征深度学习模型得到的识别结果为点云数据中检测目标的位置边界框坐标及边界框坐标中目标的存在概率。本发明构建的多平面编码点云特征深度学习模型能够实现对点云数据三维空间采样，并将采样得到三个平面内支柱点云特征进行学习融合，解决了现有点云采样空间信息损失的问题，更好的还原了点云在空间中各个方向上角度不同带来的检测精度的损失，模型的鲁棒性好，检测准确度高。 | ||
| 搜索关键词： | 一种 基于 pointpillars 平面 编码 特征 深度 学习 模型 构建 方法 | ||
【主权项】：
暂无信息
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上海大学，未经上海大学许可，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/202010425656.3/，转载请声明来源钻瓜专利网。
- 上一篇：安全验证缺陷检测的方法、装置以及电子设备
- 下一篇：用于数据传输的方法和装置
