申请/专利权人：苏州桑泰海洋仪器研发有限责任公司

申请日：2024-04-08

公开（公告）日：2024-06-18

公开（公告）号：CN118212512A

主分类号：G06V20/05

分类号：G06V20/05;G06V10/764;G06V10/42;G06V10/44;G06V20/64;G06V10/82;G06N3/0499;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本申请公开了一种基于前视三维声纳的水下场景智能感知方法及系统，该方法将前视三维声纳与改进的PointNet语义识别相结合，使用基于前视三维声纳采集到的点云数据训练PointNet模型，将训练后的模型部署到平台端，PointNet模型对点云数据进行两次特征提取，分别得到局部特征向量和全局特征向量，将对局部特征向量和全局特征向量进行拼接得到高维语义特征向量，对高维语义特征向量进行特征分类得到语义识别结果；本申请中的技术方案提供了一种能够以端到端的方式处理点云数据的水下场景智能感知模型，能够对多种水下目标进行语义识别，准确判断目标类型，为基于前视三维声纳的水下环境智能感知任务提供了一种有效解决的手段。

主权项：1.一种基于前视三维声纳的水下场景智能感知方法，其特征在于，该方法包括：步骤1，使用前视三维声纳采集目标对象的回波数据，基于回波数据获取其包含的坐标信息和强度信息，并将回波数据转换为n×4的点云数据，对点云数据进行语义标注并划分为训练集和测试集；步骤2，构建PointNet模型，将其输入层的通道数设置为M；步骤3，将训练集输入PointNet模型中进行训练，PointNet模型对点云数据进行第一次特征提取，再对提取结果进行第二次特征提取，将两次特征提取得到的特征向量进行特征拼接得到高维语义特征向量，对高维语义特征向量进行特征分类得到语义识别结果，具体包括：步骤3.1，PointNet模型对训练集中的点云数据进行第一次特征提取，得到局部特征向量；步骤3.2，PointNet模型对局部特征向量进行第二次特征提取，得到全局特征向量；步骤3.3，将局部特征向量和全局特征向量在维度上进行特征拼接，得到高维语义特征向量，对高维语义特征向量进行特征分类得到语义识别结果；步骤4，使用测试集对PointNet模型进行测试，当PointNet模型的性能指标达到预设条件时停止训练；步骤5，将训练后的PointNet模型部署到平台端，对语义识别结果进行后处理，并通过不同的颜色对语义识别结果进行显示。

全文数据：

权利要求：

百度查询： 苏州桑泰海洋仪器研发有限责任公司 一种基于前视三维声纳的水下场景智能感知方法及系统

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