[發(fā)明專利]一種基于立方體模板的神經(jīng)網(wǎng)絡(luò)編碼解碼方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110295414.1
• 申請(qǐng)日: 2021-03-19
• 公開（公告）號(hào): CN112991473B
• 公開（公告）日: 2023-07-18
• 發(fā)明（設(shè)計(jì)）人: 晉建秀;李振豪;舒琳;徐向民
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué)
• 主分類號(hào): G06T9/00
• 分類號(hào): G06T9/00;G06N3/0455;G06N3/0475;G06N3/094;G06N3/084
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 王東東

1.一種基于立方體模板的神經(jīng)網(wǎng)絡(luò)編碼解碼方法，其特征在于，包括：

確定所需要的數(shù)據(jù)集作為輸入點(diǎn)云數(shù)據(jù)，數(shù)據(jù)集為單類別或多類別的點(diǎn)云數(shù)據(jù)，點(diǎn)云數(shù)據(jù)為矩陣形式；

獲得矩陣形式的點(diǎn)云數(shù)據(jù)的逐點(diǎn)局部幾何特征；

對(duì)局部幾何特征以及輸入點(diǎn)云數(shù)據(jù)進(jìn)行統(tǒng)一角度的旋轉(zhuǎn)實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)；

將增強(qiáng)后不同長(zhǎng)度的點(diǎn)云數(shù)據(jù)編碼成統(tǒng)一大小的隱藏編碼向量,具體為：

需在不同階段引入數(shù)據(jù)增強(qiáng)后的點(diǎn)云以及點(diǎn)云幾何特征作為輸入；

神經(jīng)網(wǎng)絡(luò)在始端引入數(shù)據(jù)增強(qiáng)后的點(diǎn)云作為輸入，目的是讓神經(jīng)網(wǎng)絡(luò)從基于真實(shí)世界信息采樣的點(diǎn)云三維坐標(biāo)特征中提取高維度抽象特征；在中端圖處理層階段引入標(biāo)量幾何特征和數(shù)據(jù)增強(qiáng)后的向量幾何特征，目的是讓神經(jīng)網(wǎng)絡(luò)在提取高維度抽象特征后，結(jié)合基于傳統(tǒng)算法計(jì)算得到的幾何特征，能進(jìn)一步學(xué)習(xí)點(diǎn)云的信息；

將統(tǒng)一大小的隱藏編碼向量基于立方體模板解碼成與輸入點(diǎn)云接近的輸出點(diǎn)云。

2.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)編碼解碼方法，其特征在于，所述獲得矩陣形式的點(diǎn)云數(shù)據(jù)的逐點(diǎn)局部幾何特征，具體包括如下；

首先構(gòu)建點(diǎn)云逐點(diǎn)近鄰索引，并將其拼接為近鄰索引矩陣；

然后基于近鄰索引矩陣得到點(diǎn)的局部中心化協(xié)方差矩陣進(jìn)行特征值和特征向量提取，利用得到三個(gè)長(zhǎng)度為3的特征向量拼接成向量幾何特征，利用最小特征值對(duì)應(yīng)特征向量計(jì)算法向量平均夾角距離的標(biāo)量幾何特征，利用三個(gè)標(biāo)量幾何特征近似計(jì)算曲率標(biāo)量幾何特征，然后基于近鄰索引矩陣得到點(diǎn)與近鄰點(diǎn)的平均距離標(biāo)量幾何特征即是逐點(diǎn)局部幾何特征。

3.根據(jù)權(quán)利要求2所述的神經(jīng)網(wǎng)絡(luò)編碼解碼方法，其特征在于，所述構(gòu)建點(diǎn)云逐點(diǎn)近鄰索引，具體是結(jié)合k近鄰方法與歐氏距離方法，將點(diǎn)云數(shù)據(jù)中每個(gè)點(diǎn)的近鄰點(diǎn)索引集合。

4.根據(jù)權(quán)利要求2所述的神經(jīng)網(wǎng)絡(luò)編碼解碼方法，其特征在于，將點(diǎn)云逐點(diǎn)近鄰索引拼接為近鄰索引矩陣，具體是由一個(gè)點(diǎn)云數(shù)據(jù)中所有點(diǎn)的近鄰索引集合向量化拼接而成，維度大小為N×k，N為點(diǎn)云中點(diǎn)的個(gè)數(shù)，k為預(yù)先設(shè)定的k近鄰參數(shù)值。

5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的神經(jīng)網(wǎng)絡(luò)編碼解碼方法，其特征在于，所述將統(tǒng)一大小的隱藏編碼向量基于立方體模板解碼成與輸入點(diǎn)云接近的輸出點(diǎn)云，具體包括：

立方體模板與隱藏編碼向量進(jìn)行通道拼接得到拼接后的矩陣的步驟；

對(duì)拼接后的矩陣進(jìn)行解碼的步驟。

6.根據(jù)權(quán)利要求5所述的神經(jīng)網(wǎng)絡(luò)編碼解碼方法，其特征在于，在將立方體模板與隱藏編碼向量進(jìn)行通道拼接之前，需要將隱藏編碼向量重復(fù)m次成為矩陣，其中m為立方體模板中所含點(diǎn)的個(gè)數(shù)，設(shè)隱藏編碼向量長(zhǎng)度為V，則重復(fù)后的矩陣維度為m×V，立方體模板矩陣的維度為m×3，則通道拼接后的矩陣維度為m×(V+3)。

7.根據(jù)權(quán)利要求6所述的神經(jīng)網(wǎng)絡(luò)編碼解碼方法，其特征在于，獲得通道拼接后的矩陣后，將其輸入基于感知機(jī)的揉塑重構(gòu)網(wǎng)絡(luò)層，分階段進(jìn)行兩次重構(gòu)，分兩個(gè)階段重構(gòu)是先得到初步雛形，再在雛形基礎(chǔ)上復(fù)原點(diǎn)云模型。

8.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)編碼解碼方法，其特征在于，還包括：

計(jì)算輸入點(diǎn)云到輸出點(diǎn)云，以及輸出點(diǎn)云到輸入點(diǎn)云的倒角距離，

再根據(jù)兩者大小，計(jì)算指數(shù)加權(quán)權(quán)重，值越小，證明輸入點(diǎn)云和輸出點(diǎn)云差距越小。