[發(fā)明專利]一種基于圖卷積的激光雷達(dá)點云胞體特征增強(qiáng)方法有效
| 申請?zhí)枺?/td> | 202110200863.3 | 申請日: | 2021-02-23 |
| 公開(公告)號: | CN112862719B | 公開(公告)日: | 2022-02-22 |
| 發(fā)明(設(shè)計)人: | 張新鈺;王力;劉華平;王晨飛;徐保偉 | 申請(專利權(quán))人: | 清華大學(xué) |
| 主分類號: | G06T5/00 | 分類號: | G06T5/00;G06N20/00 |
| 代理公司: | 北京方安思達(dá)知識產(chǎn)權(quán)代理有限公司 11472 | 代理人: | 陳琳琳;李彪 |
| 地址: | 100084*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 圖卷 激光雷達(dá) 點云胞體 特征 增強(qiáng) 方法 | ||
1.一種基于圖卷積的激光雷達(dá)數(shù)據(jù)胞體特征增強(qiáng)方法,所述方法包括:
步驟1)對實時采集的雷達(dá)點云數(shù)據(jù)進(jìn)行胞體劃分以及信息提取,得到胞體化數(shù)據(jù);
步驟2)對胞體化數(shù)據(jù)進(jìn)行構(gòu)圖,形成圖結(jié)構(gòu);
步驟3)將圖結(jié)構(gòu)輸入圖卷積單元,對圖結(jié)構(gòu)中的每個節(jié)點進(jìn)行特征增強(qiáng),將特征增強(qiáng)后的圖結(jié)構(gòu)再次輸入圖卷積單元,反復(fù)執(zhí)行多次,直至達(dá)到循環(huán)次數(shù);
步驟4)將最后一次圖卷積單元輸出的增強(qiáng)后的胞體特征傳遞給后端目標(biāo)檢測網(wǎng)絡(luò),完成目標(biāo)檢測任務(wù);
所述步驟2)具體包括:
將每個胞體都視為圖上一個節(jié)點,所有的節(jié)點組成點集合V={vi|i∈N},vi為節(jié)點i,N為節(jié)點的個數(shù);
計算當(dāng)前節(jié)點vi與其它節(jié)點vj的歐幾里得距離d(vi,vj),取距離最小的K個節(jié)點作為鄰居在圖上進(jìn)行連接形成邊,組成邊集合E={gi,j|d(vi,vj)≤DK(vi),vi,vj∈V},其中,DK(vi)表示距離節(jié)點vi第K小的距離,(V,E)構(gòu)成圖結(jié)構(gòu)。
2.根據(jù)權(quán)利要求1所述的基于圖卷積的激光雷達(dá)數(shù)據(jù)胞體特征增強(qiáng)方法,其特征在于,所述圖卷積單元包括:邊卷積特征提取子單元、注意力權(quán)重及更新子單元、距離特征抑制子單元和最大池化特征聚合子單元;
所述邊卷積特征提取子單元,用于對圖結(jié)構(gòu)中每個節(jié)點使用邊卷積進(jìn)行性特征更新,將所有的邊特征和節(jié)點特征輸出至注意力權(quán)重及更新子單元;
所述注意力權(quán)重及更新子單元,用于根據(jù)節(jié)點特征計算注意力權(quán)重,利用注意力權(quán)重對邊特征進(jìn)行更新,將更新后的邊特征輸入距離特征抑制子單元;
所述距離特征抑制子單元,用于根據(jù)節(jié)點之間的空間距離對更新后的邊特征進(jìn)行特征抑制,將據(jù)距離抑制的結(jié)果輸入最大池化特征聚合子單元;
所述最大池化特征聚合子單元,用于根據(jù)距離抑制的結(jié)果進(jìn)行特征聚合,作為節(jié)點的增強(qiáng)后特征。
3.根據(jù)權(quán)利要求2所述的基于圖卷積的激光雷達(dá)數(shù)據(jù)胞體特征增強(qiáng)方法,其特征在于,所述邊卷積特征提取子單元的具體實現(xiàn)過程包括:
對圖結(jié)構(gòu)中所有節(jié)點進(jìn)行邊卷積:
其中,ei,j為節(jié)點i與其鄰居節(jié)點j所構(gòu)成邊的邊特征,ei為節(jié)點i的節(jié)點特征的向量化表示,θm與φm為可學(xué)習(xí)的網(wǎng)絡(luò)參數(shù)。
4.根據(jù)權(quán)利要求3所述的基于圖卷積的激光雷達(dá)數(shù)據(jù)胞體特征增強(qiáng)方法,其特征在于,所述注意力權(quán)重及更新子單元的具體實現(xiàn)過程包括:
計算節(jié)點i的一維鍵向量ki和值向量qi:
qi=αTei,ki=βTei
式中,α與β為鍵值對參數(shù),通過學(xué)習(xí)得到,α為鍵參數(shù),β為值參數(shù);
計算一維鍵向量ki和值向量qi之間的相關(guān)性矩陣Vi:
Vi=qi·kiT
使用該相關(guān)性矩陣作為注意力權(quán)重對節(jié)點i的邊特征進(jìn)行更新,輸出更新后的邊特征
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于清華大學(xué),未經(jīng)清華大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110200863.3/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種腸胃鏡配套清潔達(dá)標(biāo)圖譜
- 一種混合高低階圖卷積傳播系統(tǒng)
- 基于圖結(jié)構(gòu)矩陣特征向量的圖卷積神經(jīng)網(wǎng)絡(luò)生成方法
- 基于骨骼關(guān)節(jié)點的圖卷積行為識別方法及裝置
- 一種基于網(wǎng)絡(luò)結(jié)構(gòu)增強(qiáng)的圖卷積模型防御方法、裝置和系統(tǒng)
- 一種基于骨架的雙流自適應(yīng)圖卷積網(wǎng)絡(luò)行為識別方法
- 一種基于時空圖卷積網(wǎng)絡(luò)的人臉檢測方法及裝置
- 一種基于權(quán)重不確定的圖卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法、裝置
- 一種基于圖自編碼器的融合子空間聚類方法及系統(tǒng)
- 基于圖卷積神經(jīng)網(wǎng)絡(luò)交互的推薦方法及系統(tǒng)
- 一種云芝菌種以及采用該菌種生產(chǎn)云芝胞內(nèi)糖肽的方法
- 由點云構(gòu)建網(wǎng)格面的方法
- 基于云模型元胞自動機(jī)角點檢測的變電站遙視圖像拼接方法
- 一種云芝胞內(nèi)糖肽活性組分及其制備方法和應(yīng)用
- 對幾種病原細(xì)菌有抑菌活性的蘇云金菌素的前體肽
- 一種蘇云金芽胞桿菌營養(yǎng)期強(qiáng)啟動子Prsi及其應(yīng)用
- 一種云芝胞外多糖的分離純化及其結(jié)構(gòu)表征
- 一種基于圖卷積的激光雷達(dá)點云胞體特征增強(qiáng)方法
- 一種快速鑒定蠟樣芽胞桿菌和蘇云金芽胞桿菌的核酸檢測方法
- 一種基于MALDI-TOF MS的蠟樣芽胞桿菌和蘇云金芽胞桿菌快速鑒定方法





