点云语义分割方法、装置、计算设备及存储介质制造方法及图纸

本发明专利技术公开一种点云语义分割方法、装置、计算设备及存储介质，该方法包括：获取点云数据，通过编码器网络对所述点云数据进行多级编码来获得多级邻域特征集；通过解码器网络对所述多级邻域特征集进逐级行解码来获得取所述点云数据的语义特征；以及根据所述点云数据的语义特征进行分类预测，得到点云数据的中各点对应的语义标签，其中，对每级第一点云数据执行至少两次特征聚合操作以获得每级第一点云数据的所述邻域特征集，且将中心点特征与每次特征聚合得到的领域特征集进行残差连接或将每次特征聚合得到领域特征集彼此进行稠密连接作为下层特征聚合的输入。本发明专利技术实施例可以减少网络参数的数量并显着改善大场景点云的语义分割结果。

【技术实现步骤摘要】
点云语义分割方法、装置、计算设备及存储介质
本专利技术涉及数据库
，特别涉及一种点云语义分割方法、装置、计算设备及存储介质。
技术介绍
随着摄影测量学，遥感技术，计算机视觉技术，机器人技术和无人驾驶技术的不断发展，3D点云数据的处理已成为研究的热点。在摄影测量领域，机载激光雷达技术和倾斜摄影测量技术的结合可以实现3D场景建模。在遥感领域，将雷达点云数据与光学遥感数据相结合可以增加遥感图像的几何信息。在计算机视觉领域，点云主要应用于语义分割，实例分割，目标检测，3D重建，点云配准等技术。在机器人
，点云主要用于机器人抓握识别，包括目标定位，姿态估计，抓握检测和运动计划。大规模点云可以最大程度地保留其空间几何结构和颜色信息，因此已广泛用于各个领域。点云数据的处理是当前的研究热潮，尤其是语义分割。基于三维点云的语义分割目的是将点云划分为具有特殊属性的区域，并对每个点的标签进行分割。它对考古分析，城市规划，虚拟游览和遗产文献产生了有益的影响。但是，大规模3D点云是非结构化的并且高度冗余。如何实现计算机对大型场景点云的理解是当前面临的本文档来自技高网...

【技术保护点】
1.一种点云语义分割方法，其特征在于，包括：/n获取点云数据，通过编码器网络对所述点云数据进行多级编码来获得多级邻域特征集；/n通过解码器网络对所述多级邻域特征集进逐级行解码来获得取所述点云数据的语义特征；以及/n根据所述点云数据的语义特征进行分类预测，得到所述点云数据的中各点对应的语义标签，/n其中，通过编码器网络对所述点云数据进行多级编码来获得多级邻域特征集包括：/n对所述点云数据进行多次下采样，以得到多级包括不同数量点的第一点云数据；/n获取每级所述第一点云数据的中心点特征；/n对每级所述第一点云数据的中心点特征执行至少两次特征聚合操作以获得每级第一点云数据的所述邻域特征集，且当前所述特...

【技术特征摘要】
1.一种点云语义分割方法，其特征在于，包括：
获取点云数据，通过编码器网络对所述点云数据进行多级编码来获得多级邻域特征集；
通过解码器网络对所述多级邻域特征集进逐级行解码来获得取所述点云数据的语义特征；以及
根据所述点云数据的语义特征进行分类预测，得到所述点云数据的中各点对应的语义标签，
其中，通过编码器网络对所述点云数据进行多级编码来获得多级邻域特征集包括：
对所述点云数据进行多次下采样，以得到多级包括不同数量点的第一点云数据；
获取每级所述第一点云数据的中心点特征；
对每级所述第一点云数据的中心点特征执行至少两次特征聚合操作以获得每级第一点云数据的所述邻域特征集，且当前所述特征聚合操作输出的当前所述邻域特征集以及当前所述邻域特征集与所述点云数据的每个中心点的特征的残差连接或稠密连接和当前所述邻域特征集与前一次所述特征聚合操作输出的前一个所述邻域特征集的稠密连接作为下一次所述特征聚合的输入。


2.根据权利要求1所述的点云语义分割方法，其特征在于，所述特征聚合操作，包括：
根据每级所述第一点云数据的中心点特征获取每级所述第一点云数据的局部特征；
将每级所述第一点云数据的局部特征进程串联操作得到局部特征集合；
获取所述局部特征集合中各局部特征的注意力分数，并根据所述注意力分数选择局部特征进行聚合以得到所述邻域特征集。


3.根据权利要求2所述的点云语义分割方法，其特征在于，所述局部特征包括邻点特征、几何特征和语义特征。


4.根据权利要求3所述的点云语义分割方法，其特征在于，所述根据每级所述第一点云数据的中心点特征获取每层所述点云层的局部特征，包括：
获取每个中心点对应的邻点特征集，作为所述点云数据的所述邻点特征；
根据所述邻点特征集的空间位置信息获得所述点云数据的所述几何特征；
根据每个中心点的特征与邻点特征获得所述点云数据的所述语义特征。


5.根据权利要求1所述的点云语义分割方法，其特征在于，所述特征聚合操作执行3次，第一所述特征聚合操作输出的第一邻域特征集以及所述第一邻域特征集与每个中心点的特征的残差连接作为第二所述特征聚合操作输入，第二所述特征聚合操作输出的第二邻域特征集、所述第二邻域特征集与每个中心点的特征的稠密连接，以及所述第二邻域特征集与所述第一邻域特征集的稠密连接作为第三所述特征聚合操作的输入。


6.根据权利要求1-5中的任一项所述的点云语义分割方法，其特征在于，所述通过解码器网络对所述多级邻域特征集进逐级行解码来获得取所述点云数据的语义特征，包括：
对每级所述第一点云数据执行上采样操作以得到多级第二点云数据；
通过多层感知机对对应级的所述第二点云数据、领域特征集和语义特征进行操作得到多级语义特征。


7.根据权利要求6所述的点云语义分割方法，其特征在于，根据所述点云数据的语义特征进行分类预测，得到所述点云数据的中各点对应的语义标签，包括：
对最后一层解码器得到语义特征进行全连接操作...

【专利技术属性】
技术研发人员：张翔，杜静，夏启明，陈延行，江文涛，
申请(专利权)人：罗普特科技集团股份有限公司，罗普特厦门系统集成有限公司，
类型：发明
国别省市：福建;35