【技术实现步骤摘要】
本专利技术涉及图神经网络领域，特别是涉及一种点云三角剖分图神经网络的目标检测方法、系统及设备。
技术介绍
1、目前已有很多图神经网络处理点云的方法，point-gnn是使用rnn(radiusnearest neighbor，半径最近邻)搜索算法进行构图，同时还有一些使用k-nn(k nearestneighbor)搜索进行构图，但是这两中构图算法构造的图都非常的冗余，结构特别复杂，存在邻居爆炸(neighbor explosion)和超级节点(super nodes)的问题。这会导致后面图神经网络处理过程计算复杂度增加。
技术实现思路
1、本专利技术的目的是提供一种点云三角剖分图神经网络的目标检测方法、系统及设备，可避免信息损失，并在不增加计算量的情况下对聚类之后的整体点云进行信息汇聚。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种点云三角剖分图神经网络的目标检测方法，包括：
4、使用delaunay三角剖分方法，对交通场景点云进行三角剖分...
【技术保护点】
1.一种点云三角剖分图神经网络的目标检测方法，其特征在于，包括：
2.根据权利要求1所述的点云三角剖分图神经网络的目标检测方法，其特征在于，所述第一图神经网络的层数为1，所述第二图神经网络的层数为n；其中，n≥1。
3.根据权利要求1所述的点云三角剖分图神经网络的目标检测方法，其特征在于，所述关键点集与所述交通场景点云的关系为：
4.根据权利要求3所述的点云三角剖分图神经网络的目标检测方法，其特征在于，当或者，且时，关键点集Pk中第i个关键点对应的交通场景点云的集合满足：
5.根据权利要求4所述的点云三角剖分图神经网络的...
【技术特征摘要】
1.一种点云三角剖分图神经网络的目标检测方法，其特征在于，包括：
2.根据权利要求1所述的点云三角剖分图神经网络的目标检测方法，其特征在于，所述第一图神经网络的层数为1，所述第二图神经网络的层数为n；其中，n≥1。
3.根据权利要求1所述的点云三角剖分图神经网络的目标检测方法，其特征在于，所述关键点集与所述交通场景点云的关系为：
4.根据权利要求3所述的点云三角剖分图神经网络的目标检测方法，其特征在于，当或者，且时，关键点集pk中第i个关键点对应的交通场景点云的集合满足：
5.根据权利要求4所述的点云三角剖分图神经网络的目标检测方法，其特征在于，集合内池化所依据的公式为：
6.根据权利要求1所述的点云三角剖分图神经网络的目...
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。