在针对混叠场景的现有神经网络处理点云数据时，大多数采用共享权值的多层感知机对点云数据进行特征提取，这种结构较为单一，导致无法有效提取点的邻域内特征。针对这一重要问题，为实现对三维点云的精准识别与分割，保证点云分割网络结果准确性，提升后续目标识别匹配精度，对神经网络中各神经元的权值分配采用基于贝叶斯概率的点云卷积方法，提出了一种基于贝叶斯卷积神经元的深度神经网络结构。其中，将传统特征提取深度神经网络中的权重值替换为符合高斯分布的概率权重，并利用分层式卷积核提取点云中各点局部特征，最后利用全连接层基于特征信息进行判别，实现了对三维点云的精准识别与分割。本成果在国际知名期刊上发表SCI论文1篇，相关成果授权国家发明专利2项、登记软件著作权2项，已应用于西安因诺航空科技有限公司等企业。
微信公众号