一种基于全局离群点特征压制的点云数据处理方法技术

本发明专利技术提供一种基于全局离群点特征压制的点云数据处理方法

【技术实现步骤摘要】
一种基于全局离群点特征压制的点云数据处理方法、系统和计算机设备


[0001]本专利技术属于点云数据智能分析
，尤其涉及一种基于全局离群点特征压制的点云数据处理方法
、
系统和计算机设备
。

技术介绍

[0002]随着计算机技术和电子技术的发展，计算机视觉技术在众多领域得到广泛应用
。
例如，在自动驾驶技术中，通常需要依赖计算机视觉进行道路环境分析，并根据分析结果来进行自动驾驶
。
[0003]自动驾驶领域中，需要利用点云数据进行道路环境信息的采集和分析，通过点云分类，可以帮助自动驾驶系统识别和分类道路上的各种障碍物，比如是车辆
、
行人
、
自行车等，但是在点云数据分类过程中，受到传感器的测量精度和噪声等影响，还有不同类别的样本个数可能存在不均衡的影响，会导致点云分类的准确性较低
。
[0004]现有技术中，一般采用
PointNet++
模型来对点云数据进行处理，并从整体点云数据中判断物体类别/>。
具体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于全局离群点特征压制的点云数据处理方法，其特征在于，包括：获取点云数据，利用
M
个点云采样通道对所述点云数据进行卷积编码特征提取，得到
M
个特征输出信息；计算点云数据中每一点云与其他点云的欧氏距离，得到对应每一点云的距离信息，基于所述距离信息，计算点云的局部贡献估计值，经多层卷积层拟合处理，得到用于衡量点云离群信息的点云权重分数；基于点云权重分数，将
M
个特征输出信息融合，得到第一特征压制结果
。2.
如权利要求1所述的方法，其特征在于，在基于所述距离信息，计算点云的局部贡献估计值时，包括：基于所述距离信息，在每个点云的距离信息内放置一核函数，利用距离信息与核函数，通过核函数估计当前点云与其他点云的关联度，得到点云的局部贡献估计值
。3.
如权利要求2所述的方法，其特征在于，在经多层卷积层拟合处理时，包括：对局部贡献估计值大于第一阈值的点云，经多层感知机拟合处理，放大其权重数值，得到第一点云权重分数；对局部贡献估计值小于第一阈值的点云，经多层感知机拟合处理，降低其权重数值，得到第二点云权重分数；所述第一点云权重分数大于所述第二点云权重分数
。4.
如权利要求3所述的方法，其特征在于，在计算点云数据中每一点云与其他点云的欧氏距离，得到对应每一点云的距离信息时，包括：定义
d1、d2···
d
n
共
n
个点云，求每一点云与其他点云的距离参数，通过距离矩阵记录每一点云与其他点云的距离参数，得到基于距离矩阵，算得每一点云的平均欧氏距离，取倒数后，得到与每一点云对应的距离信息
。5.
如权利要求4所述的方法，其特征在于，在得到每一点云对应的距离信息后，输入至高斯核函数中，其中，
dis
为每一点云对应的距离信息，
b
是标准差，
e
是自然常数；经高斯核函数处理后输出局部贡献估计值，依次经过四层一维的卷积层的拟合处理，每一层卷积层中，将局部贡献估计值进行特征提取，再进行批归一化，将其调整为均值为
0、
方差为1的标准正态分布，再进行<...

【专利技术属性】
技术研发人员：杨宗林，袁振声，熊桢，黄浩智，杨光华，
申请(专利权)人：暨南大学，
类型：发明
国别省市：