-
公开(公告)号：CN116645583A
公开(公告)日：2023-08-25
申请号：CN202310473867.8
申请日：2023-04-27
Applicant: 厦门大学
IPC: G06V10/82 , G06N3/094 , G06V10/774 , G06V20/64 , G06N3/0475
Abstract: 本申请公开了一种基于自适应局部优化的三维点云对抗攻击方法，包括：对原始点云进行区域划分；将区域划分后的原始点云输入到训练好的网络模型，以得到网络模型的识别结果，并根据识别结果得到每个区域的贡献值，并对每个区域按照贡献值进行排列；获取攻击区域数量，以便根据攻击区域数量在排序后的每个区域中得到攻击的脆弱性区域；对脆弱性区域进行攻击，并根据距离约束和惩罚项约束得到对应的对抗点云；在三维坐标系的不同方向自适应分配扰动量，并迭代优化扰动量，以便更新对抗点云；对更新后的最终对抗点云进行可视化；由此，通过局部区域攻击以减少三维对抗点云的生成代价，同时采用自适应局部攻击算法，能够生成高质量的三维对抗点云。
-
公开(公告)号：CN114637880A
公开(公告)日：2022-06-17
申请号：CN202210151825.8
申请日：2022-02-18
Applicant: 厦门大学
Abstract: 本发明提出了一种基于多视角投影的跨维数据检索方法，该方法包括：获取二维图像数据和对应匹配的原始三维点云；对对应匹配的原始三维点云进行体素化处理，以得到对应的体素；将对应的体素投影到二维空间以生成每个二维图像对应匹配的点云多视角投影图像；根据孪生网络构建深度学习模型，并将二维图像数据和对应匹配的点云多视角投影图像输入到深度学习模型进行训练；获取多个待检索的二维图像和三维点云，并基于训练好的深度学习模型从二维图像对三维点云进行检索，以得到每个待检索的二维图像在所有三维点云中最匹配的三维点云；由此，可缩小点云数据在跨维匹配中与二维图像的数据差异，从而提高二维图像到三维点云的检索准确率。
-
Patent Agency Ranking
公开(公告)号：CN116543457A
公开(公告)日：2023-08-04
申请号：CN202310483296.6
申请日：2023-04-28
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种在场景中的人体动作捕捉方法、装置、介质及设备。该方法包括：获取目标对象的第一IMU数据、以及观测人员针对目标对象捕捉到的点云数据和图像；根据第一IMU数据对目标对象进行动作估计，得到目标对象对应的人体动作；将点云数据与图像进行对齐；基于激光雷达自身的第二IMU数据，估计激光雷达的运动轨迹信息，并根据运动轨迹信息和对齐后的点云数据构建三维场景网格；根据人体场景接触约束项、平滑约束项、姿态先验约束项以及网格到点约束项对人体动作和三维场景网格进行优化，以得到优化后的人体动作和三维场景网格。本申请实施例的技术方案提高对场景和人体动作的捕捉精度，保证捕捉到的数据的准确性。
-
公开(公告)号：CN115019105B
公开(公告)日：2024-07-19
申请号：CN202210731014.5
申请日：2022-06-24
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06N3/06
Abstract: 本申请的实施例提供了一种点云分类模型的隐语义分析方法、装置、介质及设备。该方法包括：将点云数据输入至点云分类模型中进行识别处理，以使点云分类模型输出分类结果；根据分类结果以及点云分类模型中各神经元的启动值，按照神经元之间的启动链路反向确定各神经元与分类结果之间的相关性值；根据点云分类模型对点云数据的分组信息，确定在点云分类模型的各网络层中与各分组点云分别对应的目标神经元组；根据目标神经元组中每一神经元对应的相关性值，确定该网络层中与目标神经元组对应的分组点云的显著值，以生成与各网络层相对应的可视化信息。本申请实施例的技术方案可以提高隐语义分析的分析结果的可靠性，保证隐语义分析的分析效果。
-
公开(公告)号：CN114637880B
公开(公告)日：2024-07-19
申请号：CN202210151825.8
申请日：2022-02-18
Applicant: 厦门大学
IPC: G06F16/583 , G06T3/06 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/54 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于多视角投影的跨维数据检索方法，该方法包括：获取二维图像数据和对应匹配的原始三维点云；对对应匹配的原始三维点云进行体素化处理，以得到对应的体素；将对应的体素投影到二维空间以生成每个二维图像对应匹配的点云多视角投影图像；根据孪生网络构建深度学习模型，并将二维图像数据和对应匹配的点云多视角投影图像输入到深度学习模型进行训练；获取多个待检索的二维图像和三维点云，并基于训练好的深度学习模型从二维图像对三维点云进行检索，以得到每个待检索的二维图像在所有三维点云中最匹配的三维点云；由此，可缩小点云数据在跨维匹配中与二维图像的数据差异，从而提高二维图像到三维点云的检索准确率。
-
公开(公告)号：CN118570431A
公开(公告)日：2024-08-30
申请号：CN202410633249.X
申请日：2024-05-21
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种基于距离图像的点云混合方法、装置、介质及设备。该方法包括：获取关于目标场景的雷达真实点云以及初始粒子点云；将初始粒子点云转换至与雷达真实点云同一坐标系下，得到目标粒子点云；基于雷达真实点云中各点的坐标信息，生成对应的距离图像，距离图像中各像素的像素值为投影至该像素的点的距离值；将目标粒子点云投影至距离图像中，并确定目标粒子点云中被对应激光束击中的有效点；根据距离图像中包含的有效点的像素坐标和距离值以及雷达真实点云中各点的像素坐标和距离值进行反投影，得到目标混合点云。本申请实施例的技术方案可以提高粒子点云和场景点云的混合效率，并保证混合结果的有效性。
-
公开(公告)号：CN115019105A
公开(公告)日：2022-09-06
申请号：CN202210731014.5
申请日：2022-06-24
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06N3/06
Abstract: 本申请的实施例提供了一种点云分类模型的隐语义分析方法、装置、介质及设备。该方法包括：将点云数据输入至点云分类模型中进行识别处理，以使点云分类模型输出分类结果；根据分类结果以及点云分类模型中各神经元的启动值，按照神经元之间的启动链路反向确定各神经元与分类结果之间的相关性值；根据点云分类模型对点云数据的分组信息，确定在点云分类模型的各网络层中与各分组点云分别对应的目标神经元组；根据目标神经元组中每一神经元对应的相关性值，确定该网络层中与目标神经元组对应的分组点云的显著值，以生成与各网络层相对应的可视化信息。本申请实施例的技术方案可以提高隐语义分析的分析结果的可靠性，保证隐语义分析的分析效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
