摘要
本发明公开了一种基于改进PointNet++的工程机械满斗率预测方法、装置及可读介质,涉及点云处理领域,包括:构建工程机械挖斗满载状态语义分割模型并训练,得到经训练的工程机械挖斗满载状态语义分割模型;工程机械挖斗满载状态语义分割模型采用改进PointNet++网络,其是在传统的PointNet++网络的前两个SA模块的PointNet层嵌入Point‑CBAM模块而得;在工程机械挖斗满载状态语义分割模型的训练阶段的数据加载过程中采用基于密度权重引导的类别平衡采样策略对点云数据进行采样;获取待预测的挖斗满载状态下的点云数据并输入到经训练的工程机械挖斗满载状态语义分割模型,得到分割结果,根据分割结果计算得到满斗率。本发明解决现有满斗率估算手段实时性差、精度低及环境适应性差等问题。
技术关键词
工程机械挖斗
语义分割模型
池化特征
率预测方法
注意力
类别平衡采样
邻域
融合特征
通道
编码特征
数据
多层感知机
模块
点云密度
输出特征
网络
策略
系统为您推荐了相关专利信息
卫星遥测数据
机器可读指令
异常数据
节点
门控循环单元
交互模型
矿井
图像局部特征
特征提取方式
大语言模型
意图预测方法
交叉注意力机制
大语言模型
图像特征向量
文本
节点特征
计算机可读存储器
大语言模型
有向无环图
计算机系统