[發明專利]一種基于卷積受限玻爾茲曼機的點云配準方法

在審

• 申請號: 201910765214.0
• 申請日: 2019-08-19
• 公開（公告）號: CN110490915A
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 屈劍鋒;吳冬冬;李豪;房曉宇;曹珊珊
• 申請（專利權）人: 重慶大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于卷積受限玻爾茲曼機的點云配準方法，其特征在于，包括如下步驟：

1)首先，獲取多個待識別物體的多角度視圖(以三視圖為主的各角度的視圖)，構成點云數據集，并對該數據集進行預處理(分割、濾波、下采樣等)，得到處理后的點云數據集，作為系統原始數據。

2)把1)中得到系統原始數據輸入到卷積神經網絡中，確定卷積層的各參數，經過卷積計算的處理，得到較為魯棒的節點數據集。

3)建立RBM(受限玻爾茲曼機)模型，把2)中得到的節點數據集作為訓練樣本集，再確定受限玻爾茲曼機的隱藏層和可見層的偏置向量以及隱藏層和可見層之間的權值矩陣，運用對比散度(Contrastive Divergence，CD)算法進行RBM的訓練。

4)把1)中所用到的任意待識別物體的任意角度的點云圖像進行卷積層特征提取，作為受限玻爾茲曼機的隱藏層進行檢測識別，通過3)中所得到的得到最優化的偏置向量a，b以及權值矩陣W進行逆向運算，得到可見層，其中評分最高者即為該點云圖像所對應的物體，從而實現對物體的識別。

2.根據權利要求1所要求的，一種基于卷積受限玻爾茲曼機的點云配準方法，其特征在于，所述步驟1)通過點云庫(PCL)對掃描儀得到的點云圖像數據進行初步預處理。

3.根據權利要求1所要求的，一種基于卷積受限玻爾茲曼機的點云配準方法，其特征在于，所述步驟2)通過卷積神經網絡對點云原始數據特征提取，卷積神經網絡的計算公式為：

其中，a_i是上一層得到的第i個圖像特征向量，W^i×j是第i個權重，f是激活函數，b_j是偏置項的參數，g(i)是所得的當前層的第i個圖像的特征向量。

4.根據權利要求1所要求的，一種基于卷積受限玻爾茲曼機的點云配準方法，其特征在于，所述步驟3)建立RBM(受限玻爾茲曼機)模型，對于一組給定的狀態(v,h)，可定義如下能量函數：

進而得到在給定可見層上所有神經元的狀態時，隱藏層上某個神經元被激活的(即取值為1)的概率P(h_k＝1|v)以及在給定隱藏層上所有神經元的狀態時，可見層上某個神經元被激活的(即取值為1)的概率P(v_k＝1|h)：

通過調整參數θ，來擬合給定的訓練樣本，使得在該參數下由相應RBM表示的概率分布盡可能地與訓練數據相符合，最大程度上保證點云識別時的高精度。

5.根據權利要求1所要求的，一種基于卷積受限玻爾茲曼機的點云配準方法，其特征在于，所述步驟4)對于待識別的物體點云圖像進行卷積層特征提取，然后根據受限玻爾茲曼機訓練所得參數，逆推出其最可能對應的物體的特征向量，進而得到其對應的物體，就可得到該點云圖像所對應的物體，從而實現高精度識別點云圖像的效果。