[發明專利]一種用于三維識別的旋轉不變性點云表示方法和裝置在審
| 申請號： | 202210008584.1 | 申請日： | 2022-01-06 |
| 公開（公告）號： | CN114494640A | 公開（公告）日： | 2022-05-13 |
| 發明（設計）人： | 高躍;趙乙寧 | 申請（專利權）人： | 清華大學 |
| 主分類號： | G06T17/20 | 分類號： | G06T17/20;G06T3/40 |
| 代理公司： | 北京清亦華知識產權代理事務所(普通合伙) 11201 | 代理人： | 杜月 |
| 地址： | 10008*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 用于 三維 識別 旋轉 不變性 表示 方法 裝置 | ||
1.一種用于三維識別的旋轉不變性點云表示方法，其特征在于，包括以下步驟：
獲取三維空間中的點云數據，根據旋轉群對應的李代數和黎曼流形結構推導三維旋轉的規范坐標表示，并構建所述點云數據在旋轉變換下的齊次商空間；
根據三維旋轉的規范坐標表示從所述齊次商空間中獲取代表元素，根據所述代表元素生成所述點云數據和與所述點云數據旋轉等價的點云數據對應的第一點云特征表示，并對所述第一點云特征表示進行多級池化，生成具有旋轉不變性的第二點云特征表示；
根據所述第二點云特征表示對深度神經網絡進行訓練，以得到最終的點云處理模型。
2.根據權利要求1所述的方法，其特征在于，構建所述點云數據在旋轉變換下的齊次商空間，包括：
定義等價關系，使得若對點云數據進行三維旋轉群上的旋轉變換，所得結果與原點云數據滿足所述等價關系；
根據所述等價關系構建所述齊次商空間。
3.根據權利要求1所述的方法，其特征在于，還包括：
在所述深度神經網絡的第一層加入可學習的參數，所述參數用于對點云數據進行旋轉變換；
根據所述參數對點云數據進行旋轉變換，得到旋轉變換后的多個點云數據，對所述多個點云數據進行拼接；
對拼接后的點云數據分別進行特征提取得到每個點云數據的特征，將不同的在同一旋轉等價類內的點云數據進行基于最大池化的多級特征池化，得到針對點云數據對應的旋轉等價類的全局特征，將所述旋轉等價類的全局特征作為具有旋轉不變性的第二點云特征表示。
4.一種用于三維識別的旋轉不變性點云表示裝置，其特征在于，包括：
獲取模塊，用于獲取三維空間中的點云數據，根據旋轉群對應的李代數和黎曼流形結構推導三維旋轉的規范坐標表示，并構建所述點云數據在旋轉變換下的齊次商空間；
生成模塊，用于根據三維旋轉的規范坐標表示從所述齊次商空間中獲取代表元素，根據所述代表元素生成所述點云數據和與所述點云數據旋轉等價的點云數據對應的第一點云特征表示，并對所述第一點云特征表示進行多級池化，生成具有旋轉不變性的第二點云特征表示；
訓練模塊，用于根據所述第二點云特征表示對深度神經網絡進行訓練，以得到最終的點云處理模型。
5.根據權利要求4所述的裝置，其特征在于，所述獲取模塊，具體用于：
定義等價關系，根據所述等價關系，其中，對所述點云數據進行三維旋轉群上的旋轉變換所得結果等價；
根據所述等價關系構建所述齊次商空間。
6.根據權利要求4所述的裝置，其特征在于，所述生成模塊，具體用于：
在所述深度神經網絡的第一層加入可學習的參數，所述參數用于對點云數據進行旋轉變換；
根據所述參數對點云數據進行旋轉變換，得到旋轉變換后的多個點云數據，對所述多個點云數據進行拼接；
對拼接后的點云數據分別進行特征提取得到每個點云數據的特征，將不同的在同一旋轉等價類內的點云數據進行基于最大池化的多級特征池化，得到針對點云數據對應的旋轉等價類的全局特征，將所述旋轉等價類的全局特征作為具有旋轉不變性的第二點云特征表示。
7.一種非臨時性計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-3中任一所述的用于三維識別的旋轉不變性點云表示方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于清華大學，未經清華大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210008584.1/1.html，轉載請聲明來源鉆瓜專利網。
