【技术实现步骤摘要】
本申请涉及深度学习领域，具体涉及基于多模态的立体视觉数据重建鲁棒性评估方法与系统。
技术介绍
1、立体视觉数据重建是三维视觉领域的一个重要任务，它能够从残缺的立体视觉数据（如点云数据）中恢复完整的三维物体模型，解决立体视觉数据采集过程中的缺失和低分辨率问题。立体视觉数据重建已成为立体视觉数据处理中必要的上游过程，在自动驾驶、机器人视觉、三维重建等领域有着广泛的应用。然而，由于传感器分辨率、扫描范围、物体遮挡等因素，采集到的立体视觉数据往往存在残缺、稀疏、噪声等问题，影响立体视觉数据的后续处理和应用。
2、近年来，深度学习方法在立体视觉数据重建任务中取得了显著进展，但研究表明这些模型容易受到对抗样本攻击。对抗样本攻击是一种深度学习模型的安全隐患，攻击者通过添加微小的扰动，使得模型产生错误的补全结果。例如，在自动驾驶场景中，立体视觉数据重建模型用于感知和理解周围环境，如果传感器数据被攻击，可能导致模型错误地补全或识别障碍物，从而引发交通事故。
3、最近，多模态立体视觉数据重建方法通过引入图片模态，在补全残缺立体视觉数...
【技术保护点】
1.基于多模态的立体视觉数据重建鲁棒性评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据部分点云数据计算自适应扰动限制和，包括：
3.根据权利要求1所述的方法，其特征在于，在超出扰动约束条件后进行裁剪，包括：
4.根据权利要求1所述的方法，其特征在于，在超出扰动约束条件后进行裁剪，包括：
5.根据权利要求1所述的方法，其特征在于，采用迭代优化方法更新经过约束后的扰动和 ，包括：
6.根据权利要求1所述的方法，其特征在于，采用对抗样本、评估立体视觉数据重建模型 的鲁棒性，包括：
7.基...
【技术特征摘要】
1.基于多模态的立体视觉数据重建鲁棒性评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据部分点云数据计算自适应扰动限制和，包括：
3.根据权利要求1所述的方法，其特征在于，在超出扰动约束条件后进行裁剪，包括：
4.根据权利要求1所述的方法，其特征在于，在...
【专利技术属性】
技术研发人员：刘晓东，李涛，赵然，陈秋霖，王术剑，王松涛，王明明，
申请(专利权)人：山东高速建设管理集团有限公司，
类型：发明
国别省市：
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。