一种基于COGCN网络的三维点云分类与分割方法技术

本发明专利技术公开了一种基于COGCN网络的三维点云分类与分割方法，所述COGCN网络包括点云分类模型、点云分割模型；所述点云分类模型由依次连接的四层特征提取层、多层感知机MLP和融合池化层组成；所述点云分割模型由依次连接的空间变换网络、三层特征提取层、多层感知机MLP、最大池化层、全连接层组成；本发明专利技术利用CSEConv模块和Offset‑Attention模块相结合的方式，显著增强了点云数据的局部特征和上下文特征的提取能力。通过特征融合和多层感知机MLP的处理，有效捕捉了点云数据中的结构信息和语义信息，提高了分类与分割任务的精度。

【技术实现步骤摘要】

本专利技术涉及度学习与激光雷达点云处理，具体涉及一种基于cogcn网络的三维点云分类与分割方法。

技术介绍

1、近年来，激光雷达技术的应用日益广泛，随之而来的是对三维点云数据的深入研究和处理需求。点云数据在自动驾驶、三维场景重建等众多领域发挥着重要作用。随着深度学习技术的兴起，研究者们开始探索将这一技术应用于点云数据的处理，包括数据预处理、分类和分割等任务。然而，点云数据的无序性、稀疏性和非结构化特性给分类和分割任务带来了不小的挑战。

2、目前，基于深度学习处理点云的方法主要分为三类：基于投影的方法、基于体素的方法和基于点的方法。基于投影的方法通过在不同方向上对点云进行投影，生成二维图像，并利用二维卷积网络提取特征。这种方法虽然简单，但可能会丢失一些关键信息。基于体素的方法则是将点云划分为细小的三维网格，并应用三维卷积网络来提取特征。这种方法能够直接利用三维数据，但计算资源和时间成本较高。而基于点的方法直接对原始点云数据进行操作，无需额外处理，能够最大程度地保留数据的完整性。

3、尽管这些方法在一定程度上解决了点云数据的处理问题，但本文档来自技高网...

【技术保护点】

1.一种基于COGCN网络的三维点云分类方法，其特征在于，所述COGCN网络包括点云分类模型；所述点云分类模型由依次连接的四层特征提取层、多层感知机MLP和融合池化层组成；

2.一种基于COGCN网络的三维点云分割方法，其特征在于，所述COGCN网络包括点云分割模型；所述点云分割模型由依次连接的空间变换网络、三层特征提取层、多层感知机MLP、最大池化层、全连接层组成；点云分割模型工作过程包括以下步骤：

3.根据权利要求1或权利要求2所述的方法，其特征在于，所述多层感知机MLP由卷积层Conv、归一化层BN以及激活函数层RELU。

4.根据权利要求1或权...

【技术特征摘要】

1.一种基于cogcn网络的三维点云分类方法，其特征在于，所述cogcn网络包括点云分类模型；所述点云分类模型由依次连接的四层特征提取层、多层感知机mlp和融合池化层组成；

2.一种基于cogcn网络的三维点云分割方法，其特征在于，所述cogcn网络包括点云分割模型；所述点云分割模型由依次连接的空间变换网络、三层特征提取层、多层感知机mlp、最大池化层、全连接层组成；点云分割模型工作过程包括以下步骤：

3.根据权利要求1或权利要求2所述的方法，其特征在于，所述多层感知机mlp由卷积层conv、归一化层bn以及激活函数层relu。

4.根据权利要求1或权利要求2所述的方法，其特征在于，所述特征提取层中的cseconv模块由依次连接的knn算法模...

【专利技术属性】
技术研发人员：李红旭，张凌宸，迟荣华，卢益涛，任杰，
申请(专利权)人：无锡学院，
类型：发明
国别省市：