【技术实现步骤摘要】
三维实例分割方法、装置、设备和计算机可读存储介质
本公开涉及计算机
，尤其涉及一种三维实例分割方法、装置、设备和计算机可读存储介质。
技术介绍
随着计算机技术的发展，基于点云进行三维(3-dimension，简称3D)实例分割的应用已经越来越多，例如，在齿科数字化
，基于口腔扫描数据或桌面扫描数据得到的口腔点云，对口腔点云进行牙齿分割，可广泛应用于正畸诊断、口腔外科手术、治疗计划的制定等场景。基于深度学习的方法使得三维实例分割取得了显著的进步。目前常见的三维实例分割的方法，将点云进行语义分割后通过一系列的聚类操作来实现实例分割。但是，这类方法的输出结果的物体性较差；此外，对于密集排布的物体的分割效果不好，例如，密集排列的牙齿，容易将相邻的不同牙齿的点分配到同一个牙齿中。
技术实现思路
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种三维实例分割方法、装置、设备和计算机可读存储介质。第一方面，本公开提供一种三维实例分割方法，包括：将待分割点云输入骨干网...
【技术保护点】
1.一种三维实例分割方法，其特征在于，包括：/n将待分割点云输入骨干网络中提取特征，得到点云特征；/n根据所述点云特征、语义分割网络和中心预测网络，得到多个目标点分别对应的预测中心点，其中，所述目标点为所述待分割点云中属于目标对象的点，所述目标点对应的预测中心点为预测的所述目标点所属目标对象的中心点；/n将所有的所述预测中心点输入候选框生成网络，得到每个所述预测中心点对应的三维候选框；/n获取所述三维候选框覆盖的点云特征，根据所述三维候选框覆盖的点云特征，得到所述三维候选框对应的候选框特征；/n根据所述三维候选框对应的候选框特征和掩码预测网络，得到每个目标对象分别对应的目标点云。/n
【技术特征摘要】
1.一种三维实例分割方法，其特征在于，包括：
将待分割点云输入骨干网络中提取特征，得到点云特征；
根据所述点云特征、语义分割网络和中心预测网络，得到多个目标点分别对应的预测中心点，其中，所述目标点为所述待分割点云中属于目标对象的点，所述目标点对应的预测中心点为预测的所述目标点所属目标对象的中心点；
将所有的所述预测中心点输入候选框生成网络，得到每个所述预测中心点对应的三维候选框；
获取所述三维候选框覆盖的点云特征，根据所述三维候选框覆盖的点云特征，得到所述三维候选框对应的候选框特征；
根据所述三维候选框对应的候选框特征和掩码预测网络，得到每个目标对象分别对应的目标点云。
2.根据权利要求1所述的方法，其特征在于，所述将所有的所述预测中心点输入候选框生成网络，得到每个所述预测中心点对应的三维候选框之前，还包括：
对所有的所述预测中心点进行滤波处理，得到滤波后的预测中心点；
对所述滤波后的预测中心点进行抽样处理，得到抽样后的预测中心点；
相应的，所述将所有的所述预测中心点输入候选框生成网络，得到每个所述预测中心点对应的三维候选框，包括：
将所有的所述抽样后的目标点对应的预测中心点输入候选框生成网络，得到每个所述预测中心点对应的三维候选框。
3.根据权利要求2所述的方法，其特征在于，所述对所有的所述预测中心点进行滤波处理，得到滤波后的预测中心点，包括：
针对每个所述预测中心点，获取所述预测中心点对应球体内的所有的预测中心点，其中，所述预测中心点对应球体以所述预测中心点为球心，且以预设半径为半径，预设半径大于零；
若所述预测中心点对应球体内的所有的预测中心点的数量大于或等于预设阈值，确定所述预测中心点为滤波后的预测中心点。
4.根据权利要求1所述的方法，其特征在于，所述获取所述三维候选框覆盖的点云特征，根据所述三维候选框覆盖的点云特征，得到所述三维候选框对应的候选框特征，包括：
针对每个所述三维候选框，将所述三维候选框内的区域划分成多个相同大小的单元区域；
获取每个所述单元区域的点云特征，提取所述单元区域的点云特征的特征，得到所述单元区域对应的单元特征；
根据每个所述单元区域内的所述点云特征，得到所述三维候选框对应的候选框特征。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述点云特征、语义分割网络和中心预测网络，得到多个目标点分别对应的预测中心点，包括：
将所述点云特征输入语义分割网络，得到所述点云特征中每个点的类别，所述类别包括目标对象的类别和非目标对象的类别；
根据所述点云特征中的每个点的类别，确定多个目标点，所述目标点为所述点云特征中属于目标对象的类别的点；
将所述点云特征输入中心预测网络，得到点云特征中的...
【专利技术属性】
技术研发人员：田彦，张宇捷，徐华艺，江腾飞，赵晓波，
申请(专利权)人：先临三维科技股份有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。