- 1、本文档共14页,其中可免费阅读13页,需付费10金币后方可阅读剩余内容。
- 2、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。
- 3、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。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
查看更多
本发明属于计算机视觉图像处理领域,公开一种基于点云学习的无监督单目深度估计方法,包括:准备数据集;将训练集分批输入无监督单目点云估计模型,模型输出与输入图像对应的预测点云、位姿变化,计算与输入图像对应的重投影图像和重建点云,计算训练总损失,包括重投影损失、预测点云的自监督约束损失、预测点云的帧间约束损失、边缘平滑损失;使用总损失约束模型训练,到最优的无监督单目点云估计模型;准备用于3D目标检测的数据集,用预测点云文件替换真实点云文件;训练3D目标检测模型,得到最优3D目标检测模型。本发明深入挖掘
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116912207 A
(43)申请公布日 2023.10.20
(21)申请号 202310873710.4
(22)申请日 2023.07.17
(71)申请人 南京邮电大学
文档评论(0)