一种基于图卷积的融合方向和距离的三维点云分割方法技术

本发明专利技术公开了一种基于图卷积的融合方向和距离的三维点云分割方法，包括：提取出点云中所有点的坐标建立邻接矩阵；计算每个点之间的余弦相似度得到相似矩阵；选取相似度最高的前K个点构造邻域图；基于所述邻域图上点与点之间的特征进行动态图卷积，实现三维点云分割。本发明专利技术提出一种联合距离与方向的图卷积方法来进行三维点云分割，利用点与点之间的余弦相似度建立邻域图，基于邻域图上点与点之间的特征进行动态图卷积，从而更进一步获取点云的局部特征。局部特征。局部特征。

【技术实现步骤摘要】
一种基于图卷积的融合方向和距离的三维点云分割方法


[0001]本专利技术涉及三维点云分割的
，尤其涉及一种基于图卷积的融合方向和距离的三维点云分割方法。

技术介绍

[0002]目前在三维点云分割的专利下，有焦李成申请的基于分割网络和对抗网络的三维点云语义分割方法(申请号：CN202010230019.0)；冯建峰申请的一种三维点云联合语义和实例分割的方法(申请号：CN202010207999.2)；夏春秋申请的一种基于超点图的大规模点云语义分割方法(申请号：CN201810132821.9)等，没有涉及到图卷积网络。
[0003]相关论文主要有：(1)Qi C R,Su H,Mo K,et al.Pointnet:Deep learning on point sets for 3d classification and segmentation[C]//Proceedings of the IEEE conference on computer vision and pattern recognition.2017:652
...

【技术保护点】

【技术特征摘要】
1.一种基于图卷积的融合方向和距离的三维点云分割方法，其特征在于，包括：提取出点云中所有点的坐标建立邻接矩阵；计算每个点之间的余弦相似度得到相似矩阵；选取相似度最高的前K个点构造邻域图；基于所述邻域图上点与点之间的特征进行动态图卷积，实现三维点云分割。2.如权利要求1所述的基于图卷积的融合方向和距离的三维点云分割方法，其特征在于：提取出点云中所有点的坐标建立邻接矩阵包括，对输入的点云进行随机采样，根据数据集的规模大小不同分别采取1024、2048或者4096个点，每个点均包含其三维坐标(x，y，z)，采样点以N
×
3大小的邻接矩阵表示。3.如权利要求1或2所述的基于图卷积的融合方向和距离的三维点云分割方法，其特征在于：所述点云P包括n个点，所述n个点分别用其x，y，z坐标表示，则所述点云为P＝{p
i
|i＝1，2，...，n}，其中，p
i
记为所述点云中的第i个点，坐标表现形式为p
i
＝(x
i
，y
i
，z
i
)。4.如权利要求3所述的基于图卷积的融合方向和距离的三维点云分割方法，其特征在于：所述计算每个点之间的余弦相似度包括，计算任意第i个点p
i
＝(x
i
，y
i
，z
i
)和第j个点p
j
＝(x
j
，y
j
，z
j
)基于坐标原点的方向向量之间的夹角的余弦值co...

【专利技术属性】
技术研发人员：陈丽芳，张千，
申请(专利权)人：江南大学，
类型：发明
国别省市：