摘要
本发明提出了一种面向室内场景的稀疏语义引导渐进式点云上采样方法,解决由3D传感器采集的点云通常存在稀疏、噪声大和分布不规则等问题。本发明基于稀疏张量设计了一种渐进式上采样机制,在其中构建了一个渐进式点生成模块,用于迭代地生成并剪枝中间点云。通过引入多个生成式反卷积操作以及采用不同系数的自适应剪枝策略,本发明能够逐步重建目标点云,同时有效保留局部细粒度结构。此外,在编码器的每一层引入了稀疏语义嵌入模块,以增强点特征的提取能力。为了进一步提升特征表达效果,我们还提出了一个多尺度稀疏语义嵌入模块,在空间和通道维度上对融合特征进行细化。在多个室内场景数据集上的广泛实验表明,在大多数评估指标上持续优于现有最先进方法,展现出卓越的性能。
技术关键词
点云特征
语义特征
采样方法
稠密点云
上采样
融合特征
编码器
通道
注意力
语义标签
多尺度
残差网络
剪枝策略
输出特征
模块
面向室内场景
嵌入块
坐标
系统为您推荐了相关专利信息
动作定位方法
视觉特征
特征提取模块
视频
语义特征
航空发动机模型
稠密点云
相机
虚实融合方法
多视角
全景环视图像
语义特征
交叉注意力机制
坐标系
解码器
超声波局放信号
重构方法
离散余弦变换
计算机装置
压缩数据重构