基于自监督学习的旋转鲁棒的点云分类方法.pdfVIP

下载本文档

1
0
约1.18万字
约 10页
2023-06-14 发布于四川
举报
版权申诉

基于自监督学习的旋转鲁棒的点云分类方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明提供一种基于自监督学习的旋转鲁棒的点云分类方法，所述的方法包括如下：S1：获取三维点云数据，对三维点云数据进行预处理，得到三维点云的三维坐标序列；S2：将三维点云的三维坐标序列输入预设的自监督学习网络进行训练，训练好的自监督学习网络中的骨干网络输出为对应三维点云模型的高维表征；S3：将三维点云进行多次空间变换，得到多个模型并输入S2训练好的骨干网络，每个模型得到对应的三维点云的高维表征；S4：结合通过步骤S3得到的多个高维表征得到最终表征，并用最终表征和对应的类别标注信息有监督学习得到网络

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113128591 A (43)申请公布日 2021.07.16 (21)申请号 202110422581.8 (22)申请日 2021.04.14 (71)申请人中山大学地址 51