[发明专利]一种PointTrack框架下基于窗函数的点云采样方法有效
申请号: | 202011547135.1 | 申请日: | 2020-12-24 |
公开(公告)号: | CN112561950B | 公开(公告)日: | 2022-12-13 |
发明(设计)人: | 柯逍;叶宇;李悦洲;於志勇 | 申请(专利权)人: | 福州大学 |
主分类号: | G06T7/215 | 分类号: | G06T7/215;G06T7/194;G06T7/246 |
代理公司: | 福州元创专利商标代理有限公司 35100 | 代理人: | 陈明鑫;蔡学俊 |
地址: | 350108 福建省福州市*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 pointtrack 框架 基于 函数 采样 方法 | ||
1.一种PointTrack框架下基于窗函数的点云采样方法,其特征在于,包括以下步骤:
步骤S1:获取视频图像帧中所有目标的2D边界框,并输入到神经网络中进行分割,得到对应的前景与背景;
步骤S2:根据分割结果对边界框在上下左右四个方向进行扩展,并将扩展后割的结果使用窗函数进行点云采样,分别得到前景和背景相对应的2D点云采样结果;
步骤S3:将得到的前景点云进行整合,计算对应的颜色特征向量和形状特征向量,将得到的背景点云进行整合,并计算对应的颜色特征向量、形状特征向量以及类别向量,最终将得到的向量串联输入到PointTrak模型中;
所述步骤S1具体为:
步骤S11:令当前帧所有的目标的2D边界框结合为D={di},di={x,y,w,h},i=1,2,…N;
其中x、y、w、h分别表示2D边界框的左上角x坐标y坐标以及宽高,N为当前帧目标的总数量;
步骤S12:将所有2D边界框中的目标输入到神经网络中得到相应的前景与背景分割掩码Mask,单个目标的Mask记为Ms;Ms={m1,…,mM};
其中mi∈{0,1}h×w;
所述步骤S2具体为:
步骤S21:令Mask的最小外切矩形边框为Mb={xb,yb,wb,hb},使用一个膨胀系数k使Mb在上下左右四个方向放大k倍得到具体计算方法如下:
步骤S22:使用Bartlett-Hanning窗函数作为点云采样的窗函数,其一维的表达式如下:
其中L的原意表示时间宽度,在这里则表示图像宽度/长度;
根据Bartlett-Hanning窗函数的定义a0、a1、a2的值分别用来对窗函数的数值进行控制;
构造两个长度为l的一维窗函数w1和w2,并将它们相乘得到Bartlett-Hanning窗函数的二维形式W={v1...vi...vJ},其中vi∈[0,1]l×l;计算方法如下:
W=w1×w2
其中T表示向量的转置,W为一个权重分布为二维Bartlett-Hanning窗函数的矩阵;
步骤S23:根据步骤S22获取的权重矩阵W进行采样,得到前景和背景相对应的2D点云采样结果。
2.根据权利要求1所述的一种PointTrack框架下基于窗函数的点云采样方法,其特征在于,所述步骤S3具体包括以下步骤:
步骤S31:根据得到被分割的前景点云采样集合F和背景点云采样集合E,点云F中的点表示为点云E中的点表示为点云中每个点都对应一个六维的数据p={x,y,R,G,B,C},xy表示点的坐标,R,G,B表示像素点的颜色,C表示像素点归属的类别;
步骤S32:计算像素点偏移量;
步骤S33:计算像素点的颜色信息;
步骤S34:在像素点信息中又增加一个类别数据,使用one-hot编码对背景点所属的标签进行编码得到类别向量{Hj|j=1,2…Z},Z表示标签的总类别数量;
步骤S35:将所有点云数据串联并输入到PointTrack模型中对目标进行相似的的计算。
3.根据权利要求2所述的一种PointTrack框架下基于窗函数的点云采样方法,其特征在于,所述步骤S32具体为:首先求和取平均值计算前景的中心点和背景的中心点然后对于每个前景点和每个背景点的偏移量计算方法如下:
其中表示前景点的偏移量,表示背景点的偏移量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福州大学,未经福州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011547135.1/1.html,转载请声明来源钻瓜专利网。