针对深度神经网络PointNet未引入局部特征以及分割精度有待提高的问题,在PointNet的基础上提出一种结合改进K近邻(KNN)算法的局部特征提取方法,将引入局部特征提取方法的神经网络命名为KNN-PointNet。首先将局部区域划分为k个圆形邻域,根据局部区域中样本数据分布密度的差异来确定权值以计算待测点的分类情况;其次将局部邻域特征结合单点全局特征作为输入进行特征提取,通过调节网络深度来提取局部特征以增强局部邻域中点与点的相互关联;最后将改进的KNN算法应用于KNN-PointNet点云分割网络进行实验对比。实验结果表明,相比于当前一些先进的分割网络,采用改进KNN算法的分割网络KNN-PointNet具有更高的分割精度。

中国象棋棋子定位采用的传统图像处理方法,复杂度高;识别棋子采用的传统文字识别方法,泛化性较差、精确度较低。提出一种基于棋子颜色特征的分割方法和改进的二值图像滤波算法,实现了棋子的快速定位,不需要二次修正位置;提出一种基于卷积神经网络的棋子识别方法,该方法可以应用于不同字体的棋子识别,在更换棋子的情况下,依然可以快速、准确地识别棋子。实验结果表明,该方法的定位误差为0.51 mm,平均定位时间0.212 s,对4类字体的平均棋子识别准确率为98.59%左右,证实了该方法的有效性和实用性。