申请/专利权人：南京大学

申请日：2024-03-21

公开（公告）日：2024-06-18

公开（公告）号：CN118212253A

主分类号：G06T7/13

分类号：G06T7/13;G06T5/50;G06T5/60;G06V10/44;G06V10/764;G06V10/80;G06V10/82;G06V10/10;G06N3/045;G06N3/084

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明提供了一种基于霍夫投票的点云参数化边缘曲线检测方法，包括：采集代表CAD模型的点云和边缘曲线参数数据；对点云进行点分类，得到点云的边缘点集；对边缘点集进行卷积操作；获得投票点集；以投票点为中心，找到附近的投票点集，聚合特征得到每个点的局部特征；对投票点进行位置编码，与局部特征拼接，输入到编码其中获取曲线特征信息；将曲线特征信息输入到曲线参数预测网络中，得到曲线参数、类型以及置信度；获得筛选后的曲线点集；融合边缘点位置、点特征、对应的投票点位置和曲线特征生成新的曲线特征；得到最终预测的边缘曲线参数集合。本发明这种从粗到细的策略在全局和局部两个层面上优化了模型，提高了模型的鲁棒性和适应性。

主权项：1.一种基于霍夫投票的点云参数化边缘曲线检测方法，其特征在于，包括以下步骤：步骤1，采集代表CAD模型的点云和边缘曲线参数；步骤2，使用CurveNet网络对点云中的点进行分类，从而获得点云的边缘点集；步骤3，用PointNet++对边缘点集进行卷积操作，得到融合了局部特征和全局特征的点特征；步骤4，利用步骤3获得到的点特征，每个边缘点投票它所属于的曲线中心，获取投票点集；步骤5，以每个边缘点对应的投票点为中心，找到其附近的投票点集，进行局部特征聚合，获取每个边缘点的局部特征；步骤6，对步骤4获得的投票点进行位置编码，将位置编码与步骤5获得的局部特征拼接在一起作为新的局部特征，并输入到基于多头注意力机制的Transformer编码器中，获取最终的曲线特征信息；步骤7，将步骤6中得到的最终的特征信息输入到曲线参数预测网络中，得到预测的曲线参数、曲线类型和曲线置信度；步骤8，利用步骤7中的曲线参数进行曲线采样，并通过步骤7中得到的曲线置信度对其进行NMS操作以筛选合理的曲线集合；步骤9，对步骤8获得的曲线集合进行采样，并找到距离每个采样点最近的边缘点，融合边缘点位置、步骤3获得的边缘点特征、步骤4获得的投票点位置和步骤5获得的曲线特征信息，生成最终的曲线特征；步骤10，对步骤9中得到的最终的曲线特征，通过曲线参数预测网络得到最终的曲线参数集合。

全文数据：

权利要求：

百度查询： 南京大学 一种基于霍夫投票的点云参数化边缘曲线检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD