空间关系与特征信息解耦的飞机点云语义提取方法技术

本发明专利技术公开了空间关系与特征信息解耦的飞机点云语义提取方法，构建基于空间关系与特征信息解耦的点云语义提取网络，通过SFCU提升点云数据特征提取能力，同步分组空间关系与特征信息，基于三维空间编码自学习算子提取点云空间关系，基于卷积算子提取点云特征信息，可实现高效快速的点云特征提取，具有效率高，计算资源占用少，精度高等优点。精度高等优点。精度高等优点。

【技术实现步骤摘要】
空间关系与特征信息解耦的飞机点云语义提取方法


[0001]本专利技术属于点云数据处理
，具体涉及空间关系与特征信息解耦的飞机点云语义提取方法。

技术介绍

[0002]点云数据是一种表示三维物体或空间的数据，主要特征是利用一系列点来描述物体的三维特性，每个点中包含一组空间坐标信息[x,y,z]，一般为三维物体表面的一个点，多个点共同组成一个三维物体的形态，部分点云数据采集时可能带有RGB信息等其他数据。因此点云数据可以看作由n个[x,y,z]信息组成的数据集合，点云数据在计算点间关系、数据可视化、平移不变性、旋转不变性、顺序不变性、数据缩放等方面有巨大的优势。
[0003]目前存在多种方法对点云数据进行处理，从而提取点云数据集中包含的语义，并衍生出一系列任务，如点云分类、分割等，这些方法对基于点云数据的自动驾驶，机器人导航，VR，路线规划，三维重建等下游应用有重要的指导作用。
[0004]现有的点云处理方法包括：
[0005](1)多视图投影法：在各个方向上将点云数据投影为二维图像，然后利用现有的成熟的二维图像处理技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.空间关系与特征信息解耦的飞机点云语义提取方法，其特征在于，包括如下步骤：步骤1、构建基于空间关系与特征信息解耦的点云语义提取网络，该点云语义提取网络以仅包含坐标信息的点云数据作为输入，且包括3层特征提取网络，每一层特征提取网络均采用多个SFCU并行；步骤2、第一层特征提取网络采用多个SFCU并行执行空间关系与特征信息耦合；步骤3、对特征提取网络中多个SFCU的执行结果进行堆叠合成一路输出，然后再利用{卷积+批正则化+Leaky ReLU激活函数层}进行一次特征提取；步骤4、利用同步分组方法对步骤3提取的特征进行下采样和分组，得到同步的点云坐标S_input、点云特征信息F_input作为第二层特征提取网络输入；步骤5、第二层特征提取网络采用多个SFCU并行执行空间关系与特征信息耦合；步骤6、对特征提取网络中多个SFCU的执行结果进行堆叠合成一路输出，然后再利用{卷积+批正则化+Leaky ReLU激活函数层}进行一次特征提取；步骤7、利用同步分组方法对步骤6提取的特征进行下采样和分组，得到同步的点云坐标S_input、点云特征信息F_input作为第三层特征提取网络输入；步骤8、第三层特征提取网络采用多个SFCU并行执行空间关系与特征信息耦合；步骤9、对特征提取网络中多个SFCU的执行结果进行堆叠合成一路输出，然后再利用{卷积+批正则化+Leaky ReLU激活函数层}进行一次特征提取，至此完成3层特征提取网络的空间关系与特征信息解耦的点云语义提取，得到的结果作为点云语义提取网络的输出。2.根据权利要求1所述的空间关系与特征信息解耦的飞机点云语义提取方法，其特征在于，每一SFCU执行空间关系与特征信息耦合的过程包括：步骤S1、基于三维空间编码自学习算子进行点云空间关系提取；步骤S2、基于卷积算子进行点云特征信息提取；步骤S3、将空间关系提取的结果矩阵S与特征信息提取的结果矩阵F进行耦合。3.根据权利要求2所述的空间关系与特征信息解耦的飞机点云语义提取方法，其特征在于，所述步骤S1过程如下：步骤S11、随机生成一个可微分参数矩阵记为矩阵M；步骤S12、将矩阵M进行简单变形增加维度，使矩阵M维度与点云坐标输入矩阵PC
[B*3*N*G]
，记为矩阵PC，匹配；步骤S13、对参数矩阵M和点云坐标输入矩阵PC按照如下公式进行计算，得到输出点云空间关系矩阵记为矩阵S1；S1＝e
‑
|M
‑
PC|
步骤S14、以S...

【专利技术属性】
技术研发人员：魏明强，丁萁琦，燕雪峰，
申请(专利权)人：南京航空航天大学深圳研究院，
类型：发明
国别省市：