色差引导卷积的点云语义分割方法技术

本发明专利技术提供了一种色差引导卷积的点云语义分割方法，包括：将有色点云RGB转换为HSV；对当前密度下的点云，求k邻域得中心点与邻域点相对位置y，送入MLP得到特征F

【技术实现步骤摘要】
色差引导卷积的点云语义分割方法
本专利技术涉及小规模点云图像语义分割
，特别涉及室内外点云语义分割中由点云邻域颜色信息引导选点和卷积提取特征的方法。
技术介绍
三维数据具有很强的真实场景反映能力，越来越受到研究者的重视。点云是三维数据的主要格式，点云的语义分割是场景理解的必要工作，是机器人发展、自动驾驶、虚拟现实和遥感制图的关键。受二维图像和一维文本的深度学习方法的成功启发，许多研究人员已经将这些技术应用于分析三维点云。但是将点云作为直接输入难以处理，因为它们本质上是非结构化和无序的。PointNet是使用卷积神经网络直接处理原始点云的里程碑。它将整个点集输入到一个共享的多层感知器(MLP)中进行卷积，通过对称性的池化操作使得PointNet可以处理无序的点，但是在PointNet中没有考虑邻域信息。在PointNet++中，作者将局部上下文和层次特征学习集成到网络中。KD-network首先在输入点云上构建一个KD-tree，然后应用层次分组对点的局部依赖关系进行建模。RSNet对点云中的局部结构进行建模，设计片汇聚层，本文档来自技高网...

【技术保护点】
1.色差引导卷积的点云语义分割方法，其特征在于，包括以下步骤：/n步骤一：将有色点云的RGB通道转化为HSV颜色通道；/n步骤二：对当前密度下的点云，求k邻域得中心点x

【技术特征摘要】
1.色差引导卷积的点云语义分割方法，其特征在于，包括以下步骤：
步骤一：将有色点云的RGB通道转化为HSV颜色通道；
步骤二：对当前密度下的点云，求k邻域得中心点xi以及邻域点xk与中心点xi相对位置y，送入三层MLP得到高维嵌入特征FG＝MLP(xi,y)；
步骤三：由邻域内不同通道颜色矩排序得到最大值与最小值对应点的相对位置作为d1，y中与d1最大的夹角的方向作为d2，y中与d1垂直方向为临时方向，y中与临时方向垂直且与中心点曼哈顿距离最大的方向作为d3；同时获得颜色描述向量vc如下，计算y与步骤三得到的方向向量的余弦距离，每个方向上选择余弦距离最小的s个点及对应特征fsc；



其中为每个颜色通道的标准差，为三个通道颜色值，θc为y与d1的夹角；
步骤四：对步骤三选出特征与vc在三方向上做1×3的卷积得到特征为避免光照影响，对在HS颜色通道上做1×3卷积，每次卷积兼顾两个色调(饱和度)点和一饱和度(色调)点，对两次1×3卷积结果进行1×1卷积，经池化后得特征FC；









其中c1,c2为不同的颜色通道，s为每个方向上选择的点数；<...

【专利技术属性】
技术研发人员：杨静，杜少毅，李昊哲，万腾，陈跃海，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61