一种基于OANet的遮挡感知实例分割方法

    公开(公告)号:CN120070887A

    公开(公告)日:2025-05-30

    申请号:CN202510117693.0

    申请日:2025-01-24

    Applicant: 中北大学

    Abstract: 本发明公开了一种基于OANet(Occlusion‑Aware Network)的遮挡感知实例分割方法,旨在解决复杂场景下对象重叠引起的实例分割难题。该方法通过构建三层网络架构,显式地对遮挡关系进行建模,以提高复杂场景下实例分割的精度和鲁棒性。其中,顶层GCN+Transformer网络检测遮挡物体,底层GCN+Transformer网络推断被遮挡实例,新增被遮挡物的遮挡回归分支PSA+RefConv用于整合全局信息,优化分割边界。实验结果表明,与BCNet网络相比,OANet模型在COCO、COCOA实例分割基准数据集上均取得显著的性能提升,AP(平均精度)比基准模型提高1.2,证明其在处理严重遮挡情况时的有效性。

    一种基于向量神经元网络的点云场景重建方法

    公开(公告)号:CN119904577A

    公开(公告)日:2025-04-29

    申请号:CN202411990516.5

    申请日:2024-12-31

    Applicant: 中北大学

    Abstract: 本发明公开了一种基于向量神经元网络的点云场景重建方法,属于计算机视觉和三维重建技术领域。针对目前点云场景重建方法在处理旋转变化和复杂场景重建时的不足问题,本发明利用PointNet对点云场景数据进行实例分割,识别并分割场景中的各个物体;建立一个涵盖常见室内场景物体的CAD模型库,训练VN网络,利用向量卷积层对每个点及其邻域进行特征提取;通过堆叠多个向量卷积层,并结合残差连接和跳跃连接,获取不同尺度的特征表示;随后计算点云特征与CAD模型特征之间的相似度,采用Chamfer距离进行检索,选取最相似的CAD模型作为候选;最后将CAD模型候选逐一与场景点云进行对齐,并引入物理违规检查模块,确保重建后场景的精确性和物理合规性。

Patent Agency Ranking