【技术实现步骤摘要】
本专利技术属于点云深度学习，特别涉及一种基于全局图和图池化技术的点云分类和分割方法及设备。
技术介绍
1、随着3d数据采集技术的快速发展，3d数据的获取变得更加便捷，并且3d数据作为机器理解环境的基础，广泛地应用于机器人、地质勘探和测绘等领域。3d数据通常具有不同的表示形式，例如深度图像、点云、网格等。作为一种常用的格式，点云能够更好地保留场景中的原始信息，无需任何离散化，是场景理解领的首选数据格式。同时，深度神经网络在诸多计算机视觉与模式识别领域取得了成功。因此，了更好地处理点云数据，诸多研究尝试将深度学习用在点云的特征提取。到目前为止，随着深度神经网络的应用许多点云相关的任务都取得了重大进展，包括3d形状分类、3d对象识别检测以及语义分割等。截至目前，一些成功的方法大体上可以分为基于点的方法、基于体素的方法、基于卷积的方法、基于图的方法以及混合型的方法。此外，由于图神经网络的兴起，图卷积方法成为处理几何型数据的首要方法，如知识图谱、物联网以及社交网络等。因此，使用图神经网络处理不规则点云已被广泛应用于点云深度学习。最近的努力一方面是...
【技术保护点】
1.一种基于全局图和图池化技术的点云分类和分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于全局图和图池化技术的点云分类和分割方法，其特征在于，所述构建第一全局图，包括以下步骤：
3.根据权利要求1所述的基于全局图和图池化技术的点云分类和分割方法，其特征在于，所述构建第一局部图，包括以下步骤：
4.根据权利要求2所述的基于全局图和图池化技术的点云分类和分割方法，其特征在于，所述提取第一全局图的节点特征，包括以下步骤：
5.根据权利要求3所述的基于全局图和图池化技术的点云分类和分割方法，其特征在于，所述提取...
【技术特征摘要】
1.一种基于全局图和图池化技术的点云分类和分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于全局图和图池化技术的点云分类和分割方法，其特征在于，所述构建第一全局图，包括以下步骤：
3.根据权利要求1所述的基于全局图和图池化技术的点云分类和分割方法，其特征在于，所述构建第一局部图，包括以下步骤：
4.根据权利要求2所述的基于全局图和图池化技术的点云分类和分割方法，其特征在于，所述提取第一全局图的节点特征，包括以下步骤：
5.根据权利要求3所述的基于全局图和图池化技术的点云分类和分割方法，其特征在于，所述提取第一局部图的节点特征，包括以下步骤：
6.根据权利要求1所述的基于全局图和图...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。