摘要
本发明是一种用于点云目标检测的伪超体素点云预处理方法,解决了点云数据预处理中的噪声处理、局部细节丢失及超体素分割耗时问题。实现包括得到伪图像特征图、获取类别分割掩码、构建保留空间细节特征的局部均值伪图像、生成伪超体素预处理后的伪图像特征图的效果。使用超像素算法提取超体素语义信息,速度和计算复杂度优于超体素算法;利用类别分割掩码和伪图像特征图的对应关系,进行局部均值化以减弱随机噪声影响,并构建跨通道注意向量与超体素因子矩阵调整特征权重分布,增强空间信息语义表达能力,提高检测精度,可应用于不同分辨率的点云目标检测特征图,无需对算法架构进行根本性修改,适用于自动驾驶、机器人导航等场景。
技术关键词
图像
像素点
特征学习网络
特征值
算法架构
因子
线性迭代聚类
全局平均池化
元素
语义
分辨率
点云空间
矩阵
位置提取
模块
通道
分割算法
系统为您推荐了相关专利信息
轻量化卷积神经网络
影像分类方法
人工智能模型
单据
线性模块
可见光图像
缺陷检测方法
光伏面板
视觉特征
编码向量
网络结构
头结构
跟踪方法
残差结构
通道注意力机制
探地雷达图像
多尺度特征提取
空洞
空间金字塔
隧道