一种三维点云语义分割的系统及方法技术方案

本发明专利技术公开一种三维点云语义分割的系统及方法，包括独立特征提取模块、预处理模块、分组模块、领域特征提取模块和特征融合模块；所述独立特征提取模块提取点云的全局特征，所述预处理模块先通过最远点采样法得到点云集的中心点，再依据中心点选取固定半径内的点云；所述分组模块负责将预处理得到的点云集根据膨胀系数重新建立点云集；所述领域特征提取模块用来提取点云的特征，所述特征融合模块用来将各个通道提取到的特征和全局特征进行融合。本发明专利技术采用轻量级网络来提取点云的全局特征，构建了一个分组模块来大大减少点云图结构的节点数，缩短了训练周期，同时该分组模块丰富了点云信息，扩大了点云的感受野，对稀疏点云的特征提取有很大帮助。的特征提取有很大帮助。的特征提取有很大帮助。

【技术实现步骤摘要】
一种三维点云语义分割的系统及方法


[0001]本专利技术涉及一种三维点云分割
，尤其涉及一种三维点云语义分割的系统及方法。

技术介绍

[0002]点云是一种非结构化数据，图结构很适合处理点云这类不规则的数据结构，近几年来基于图卷积的方法在点云分类和分割中蓬勃发展。目前大部分基于图卷积的方法首先将原始的点云构建图结构，在空间域或谱域中学习点和边的特征，从而来描述三维点云的局部几何特征。然而将全部的点云建立图结构会导致训练周期很长，同时这类图卷积方法无法对三维点云语义分割任务中对物体边界处进行精准划分，导致最后得到的物体类别不够准确。
[0003]现有的三维点云分割技术中存在以下缺点和不足：1、训练周期过长：目前大部分图卷积的方法是将全部原始点云建立图结构，再通过图卷积获取点云特征。当面对大场景的点云时，这样的图结构过于庞大，训练周期会特别长，同时对设备性能的要求很高。2、对稀疏点云的分割效果不佳：在点云的采集过程中，往往是距离采集设备越近的部分点云越密集，距离采集设备越远所采集到的点云就很稀疏。目前大部分点云分割技术没有考虑到点云的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维点云语义分割的系统，其特征在于，包括独立特征提取模块、预处理模块、分组模块、领域特征提取模块和特征融合模块；所述独立特征提取模块提取点云的全局特征，所述预处理模块先通过最远点采样法得到点云集的中心点，再依据中心点选取固定半径内的点云；所述分组模块负责将预处理得到的点云集根据膨胀系数重新建立点云集；所述领域特征提取模块用来提取点云的特征，所述特征融合模块用来将各个通道提取到的特征以及全局特征进行融合。2.根据权利要求1所述的一种三维点云语义分割的系统，其特征在于，所述领域特征提取模块包含8个网络层，第1至6层由图注意力卷积层和图池化层组成，第7至8层由特征插值和跳跃连接层构成；所有卷积层都采用批归一化方法进行处理，并通过ELU函数进行激活。3.一种三维点云语义分割的方法，其特征在于，具体包括如下步骤：步骤1.对原始点云进行全局特征提取操作；步骤2.将原始点云采用最远点采样法和球查询算法进行分组，得到点云的局部区域；步骤3.对预处理得到的点云集进行分组，按照K近邻值划分为三个通道；步骤4.对每个通道的点云提取点云局部特征。4.根据权利要求3所述的一种三维点云语义分割的方法，其特征在于，所述步骤1中具体操作方法为：将原始点云输入到独立特征提取模块，将所有点云对齐，然后利用多层感知机将对齐后的点特征映射到高维空间，最后采用最大池化操作保留点云的全局特征。5.根据权利要求3所述的一种三维点云语义分割的方法，其特征在于，所述步骤2中的最远点采样法：随机将一个点定为中心点，再选择离中心点最远的点加入中心点，不断的进行迭代，最终得到预先确定好的中心点数目；得到全部的中心点后，以中心点作为球心，得到半径为r的点云球。6.根据权利要求3所述的一种三维点云语义分割的方法，其特征在于，所述步骤3中将输入点云集P＝(p1,p2,...,p
n
)∈R3根据其邻域信息构建一个点云图结构G＝(V,E)，其中，V＝{1,2,...,N}代表图的顶点，N代表点云数量，E代表点之间的边；定义M
(k,d)
(v)作为顶点v的膨胀点云集，k代表近邻点数量，d代表膨胀比例；定义一个用于点云图结构的膨胀KNN算法，通过跳过每d个邻近点返回k*d邻域点区域内的k个最近点，假设{u1,u2,...,u
k*d
}是k*d区域内的点，则通过膨胀KNN算法得到的顶点v的膨胀比例为d的膨胀点云集为{u1,u
1+...

【专利技术属性】
技术研发人员：李浩，刘晓龙，邱晨阳，王稳，陈亦敏，李信衍，
申请(专利权)人：云南大学，
类型：发明
国别省市：