点云索引方法、装置、计算机可读存储介质及终端设备制造方法及图纸

本申请属于点云处理技术领域，尤其涉及一种点云索引方法、装置、计算机可读存储介质及终端设备。所述方法包括：获取预设的深度相机采集的RGBD图像；获取所述深度相机的相机内参，并根据所述相机内参将所述RGBD图像转换为有序点云数据；根据所述有序点云数据中的各个点云元素的排列方式，建立所述有序点云数据在深度学习过程中的索引。通过本申请，利用一次性的索引建立过程，取代了传统方法中逐帧进行搜索的过程，将点云深度学习中最耗时的搜索过程耗时压缩为零时间成本，大大提高了点云深度学习的训练及推理效率，满足了各类应用场景的实时性要求。实时性要求。实时性要求。

【技术实现步骤摘要】
点云索引方法、装置、计算机可读存储介质及终端设备


[0001]本申请属于点云处理
，尤其涉及一种点云索引方法、装置、计算机可读存储介质及终端设备。

技术介绍

[0002]海量点云的快速实时语义感知，如语义分割或分类是机器人导航定位、自动驾驶等应用场景智能感知的关键技术。当前基于深度学习方法的海量点云语义理解在实时性方面临着极大挑战。例如，基于深度学习方法的点云特征提取一般通过k近邻搜索算法将邻域点集进行聚合并进行局部特征提取，这对点云语义理解性能提升是至关重要的。尽管现有很多k近邻搜索的加速算法，如kd
‑
tree等，但当面临海量点云时，逐帧逐点的近邻搜索仍然需要大量的时间开销，这些时间开销会极大的降低语义分割的效率，无法满足实时性要求。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种点云索引方法、装置、计算机可读存储介质及终端设备，以解决现有技术中对点云数据的处理效率较低，无法满足实时性要求的问题。
[0004]本申请实施例的第一方面提供了一种点云索引方法，可以包括：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云索引方法，其特征在于，包括：获取预设的深度相机采集的RGBD图像；获取所述深度相机的相机内参，并根据所述相机内参将所述RGBD图像转换为有序点云数据；根据所述有序点云数据中的各个点云元素的排列方式，建立所述有序点云数据在深度学习过程中的索引。2.根据权利要求1所述的点云索引方法，其特征在于，所述有序点云数据中的各个点云元素与所述RGBD图像中的各个像素一一对应，且所述有序点云数据中的各个点云元素的排列方式与所述RGBD图像中的各个像素的排列方式一致。3.根据权利要求1所述的点云索引方法，其特征在于，所述有序点云数据在深度学习过程中的索引包括下采样索引，所述根据所述有序点云数据中的各个点云元素的排列方式，建立所述有序点云数据在深度学习过程中的索引，包括：按照预设的下采样参数对所述有序点云数据进行下采样操作，得到与所述有序点云数据对应的下采样点云数据；将所述下采样点云数据中的各个点云元素对应到所述有序点云数据中的各个点云元素的索引作为所述有序点云数据的下采样索引。4.根据权利要求1所述的点云索引方法，其特征在于，所述有序点云数据在深度学习过程中的索引包括近邻索引，所述根据所述有序点云数据中的各个点云元素的排列方式，建立所述有序点云数据在深度学习过程中的索引，包括：对于所述有序点云数据中的任意一个点云元素，确定以该点云元素为中心的滑窗区域；将该点云元素对应到所述滑窗区域内的点云元素的索引作为该点云元素的近邻索引；遍历所述有序点云数据中的各个点云元素，得到所述有序点云数据的近邻索引。5.根据权利要求1所述的点云索引方法，其特征在于，所述有序点云数据在深度学习过程中的索引包括上采样索引，所述根据所述有序点云数据中的各个点云元素的排列方式，建立所述有序点云数据在深度学习过程中的索引，包括：按照预设的下采样参数对所述有序点云数据进行下采样操作，得到与所述有序点云数据对应的下采样点云数据；将所述有序点云数据中的各个点云元素对应到所述下采样点云数据中的各个点云元素的索引作为所述有序点云数据的上采样索引。6.根据权利要求1至5中任一项所述的点云索引方法，其特征在于，所述相机内参包括：水平焦距、垂直焦距和光心位置，...

【专利技术属性】
技术研发人员：孙铁成，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：