一种点云分类方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种点云分类方法、装置、设备及存储介质。该方法包括：获取点云数据，点云数据包括：历史点云数据和当前点云数据；历史点云数据为已分类的点云数据；确定包含点云数据的长方体空间，将长方体空间划分为多个初级空间网格；对于包含当前点云数据的初级空间网格，根据初级空间网格的第一历史点云类型和第一历史点云类型的第一数量，确定初级空间网格的当前点云类型。通过本发明专利技术的技术方案，能够结合历史点云数据，对当前点云数据进行网格划分并确定各空间网格的点云类型，提高点云分类的抗干扰性、分类准确度和分类速度。分类准确度和分类速度。分类准确度和分类速度。

【技术实现步骤摘要】
一种点云分类方法、装置、设备及存储介质


[0001]本专利技术实施例涉及三维点云处理
，尤其涉及一种点云分类方法、装置、设备及存储介质。

技术介绍

[0002]三维点云是一种由激光雷达等三维扫描设备采集、由空间点的三维位置信息、RGB颜色信息和强度信息等组成的多维度复杂数据集合。基于三维点云数据的目标检测、识别是解决场景理解的主要技术，而三维点云分类是这些技术的基础。
[0003]目前，三维点云分类方法分为二类，一类是基于特征的机器学习方法，提取点云全局特征，通过机器学习模型进行分类，由于机器学习特征提取过程中存在过分割或者欠分割，不能对点云进行精细分类；当物体边缘存在分类误差时，分类的误差会对模型参数造成极大的影响，同时该方法分类时间长，占用内存多。第二类是深度学习方法，将点云数据转化为体素表示，进而通过深度学习模型进行特征提取，并完成分类、分割等任务。但是，这类方法对计算机的内存资源的消耗很大、计算速度很慢，导致在实际情况下无法使用。

技术实现思路

[0004]本专利技术实施例提供一种点云分类方法、装置、设备及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云分类方法，其特征在于，包括：获取点云数据，所述点云数据包括：历史点云数据和当前点云数据；所述历史点云数据为已分类的点云数据；确定包含所述点云数据的长方体空间，将所述长方体空间划分为多个初级空间网格；对于包含当前点云数据的初级空间网格，根据所述初级空间网格的第一历史点云类型和所述第一历史点云类型的第一数量，确定所述初级空间网格的当前点云类型；所述第一历史点云类型为所述初级空间网格所包含的历史点云数据的点云类型；当前点云类型为所述初级空间网格所包含的当前点云数据的点云类型。2.根据权利要求1所述的方法，其特征在于，确定容纳所述点云数据的长方体空间，包括：根据所述历史点云数据的三维空间坐标和所述当前点云数据的三维空间坐标确定所述点云数据所在的长方体空间。3.根据权利要求1所述的方法，其特征在于，根据所述初级空间网格的第一历史点云类型和所述第一历史点云类型的第一数量，确定所述初级空间网格的当前点云类型，包括：获取所述初级空间网格所包含的历史点云数据的第一历史点云类型，并确定所述第一历史点云类型的第一数量；若所述第一数量为0，则根据所述初级空间网格的相邻初级空间网格中的历史点云数据对应的历史点云类型，确定所述初级空间网格的当前点云类型；若所述第一数量为1，则将所述第一历史点云类型确定为所述初级空间网格的当前点云类型；若所述第一数量大于1，则对所述初级空间网格执行至少一次网格划分得到多个次级空间网格，根据所述次级空间网格的第二历史点云类型和所述第二历史点云类型的第二数量，确定所述初级空间网格中各次级空间网格的当前点云类型。4.根据权利要求3所述的方法，其特征在于，对所述初级空间网格执行至少一次网格划分得到多个次级空间网格，包括：将所述初级空间执行一次网格划分得到多个次级空间网格。5.根据权利要求4所述的方法，其特征在于，根据所述次级空间网格的第二历史点云类型和所述第二历史点云类型的第二数量，确定所述初级空间网格中各次级空间网格的当前点云类型，包括：对于包含当前点云数据的次级空间网格，获取所述次级空间网格所包含的历史点云数据的第二历史点云类型，并确定所述第二历史点云类型的第二数量；若所述第二数量为0，则根据所述次级空间网格的相邻次级空间网格中的历史点云数据对应的第二历史点云类型，确定所述次级空间网格的当前点云类型；若所述第二数量为1，则将所述第二历史点云类型确定为所述次级空间网格的当前...

【专利技术属性】
技术研发人员：於建林，王甲波，李雪松，马亚军，
申请(专利权)人：北京煜邦电力技术股份有限公司，
类型：发明
国别省市：