System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 点云分类方法、装置、存储介质及电子设备制造方法及图纸_技高网

点云分类方法、装置、存储介质及电子设备制造方法及图纸

技术编号:40419025 阅读:7 留言:0更新日期:2024-02-20 22:37
本发明专利技术公开了一种点云分类方法、装置、存储介质及电子设备。其中,该方法包括:获取包括多个数据点的目标点云数据;基于目标点云数据进行特征提取,得到第一特征矩阵;基于第一特征矩阵,采用自适应关键点采样方法进行处理,得到第一目标向量;基于目标点云数据进行局部划分,生成图结构数据;基于图结构数据,采用自注意力机制进行处理,得到第二目标向量,其中,第二目标向量对局部特征提取能力,优于第一目标向量对局部特征提取能力;基于第一目标向量和第二目标向量,对目标点云数据进行划分,得到点云分类结果。本发明专利技术解决了相关技术中存在的对点云数据的分类效率不理想的技术问题。

【技术实现步骤摘要】

本专利技术涉及点云处理领域及三维点云分类,具体而言,涉及一种点云分类方法、装置、存储介质及电子设备


技术介绍

1、点云分类技术是对分割后的数据集进行不同类别的划分,通常将具有相似特征属性(例如几何特征、纹理特征等)的点云数据划分成为同一个类别,是三维数据处理中基础的底层环节。随着自动驾驶、虚拟现实以及三维建模等领域的快速发展,对庞大的点云数据量处理效率要求越来越高。相关技术中点云分类网络中,缺乏有效的特征提取方式,导致分类精度不高。并且由于相关技术中没有考虑到数据中的空间信息,会导致网络无法有效地识别和分类不同类别的点云数据,对局部特征的提取效果不佳,而对于全局特征提取时,消耗的计算开销比较大,无法兼顾特征分类性能和计算处理效率。

2、针对上述的问题,目前尚未提出有效的解决方案。


技术实现思路

1、本专利技术实施例提供了一种点云分类方法、装置、存储介质及电子设备,以至少解决相关技术中存在的对点云数据的分类效率不理想的技术问题。

2、根据本专利技术实施例的一个方面,提供了一种点云分类方法,包括:获取包括多个数据点的目标点云数据;基于所述目标点云数据进行特征提取,得到第一特征矩阵,其中,所述第一特征矩阵中包括所述多个数据点分别对应的特征点;基于所述第一特征矩阵,采用自适应关键点采样方法进行处理,得到第一目标向量,其中,所述第一目标向量中包括的特征点数量少于所述第一特征矩阵中包括的特征点数量;基于所述目标点云数据进行局部划分,生成图结构数据;基于所述图结构数据,采用自注意力机制进行处理,得到第二目标向量,其中,所述第二目标向量对局部特征提取能力,优于所述第一目标向量对局部特征提取能力;基于所述第一目标向量和所述第二目标向量,对所述目标点云数据进行划分,得到点云分类结果。

3、根据本专利技术实施例的另一方面,提供了一种点云分类装置,包括:点云获取模块,用于获取包括多个数据点的目标点云数据;点云提取模块,用于基于所述目标点云数据进行特征提取,得到第一特征矩阵,其中,所述第一特征矩阵中包括所述多个数据点分别对应的特征点;第一特征处理模块,用于基于所述第一特征矩阵,采用自适应关键点采样方法进行处理,得到第一目标向量,其中,所述第一目标向量中包括的特征点数量少于所述第一特征矩阵中包括的特征点数量;点云划分模块,用于基于所述目标点云数据进行局部划分,生成图结构数据;第二特征处理模块,用于基于所述图结构数据,采用自注意力机制进行处理,得到第二目标向量,其中,所述第二目标向量对局部特征提取能力,优于所述第一目标向量对局部特征提取能力;点云分类模块,用于基于所述第一目标向量和所述第二目标向量,对所述目标点云数据进行划分,得到点云分类结果。

4、根据本专利技术实施例的另一方面,提供了一种非易失性存储介质,所述非易失性存储介质存储有多条指令,所述指令适于由处理器加载并执行任意一项所述的点云分类方法。

5、根据本专利技术实施例的另一方面,提供了一种电子设备,包括:一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现任意一项所述的点云分类方法。

6、在本专利技术实施例中,通过获取包括多个数据点的目标点云数据;基于所述目标点云数据进行特征提取,得到第一特征矩阵,其中,所述第一特征矩阵中包括所述多个数据点分别对应的特征点;基于所述第一特征矩阵,采用自适应关键点采样方法进行处理,得到第一目标向量,其中,所述第一目标向量中包括的特征点数量少于所述第一特征矩阵中包括的特征点数量;基于所述目标点云数据进行局部划分,生成图结构数据;基于所述图结构数据,采用自注意力机制进行处理,得到第二目标向量,其中,所述第二目标向量对局部特征提取能力,优于所述第一目标向量对局部特征提取能力;基于所述第一目标向量和所述第二目标向量,对所述目标点云数据进行划分,得到点云分类结果。达到了将点云数据的局部特征和全局特征进行结合的目的,实现了提高点云数据的分类效率的技术效果,进而解决了相关技术中存在的对点云数据的分类效率不理想的技术问题。

本文档来自技高网...

【技术保护点】

1.一种点云分类方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述第一特征矩阵的行表示特征点,所述第一特征矩阵的列表示特征维度值,所述基于所述第一特征矩阵,采用自适应关键点采样方法进行处理,得到第一目标向量,包括:

3.根据权利要求2所述的方法,其特征在于,所述基于所述多列分别对应的关键特征点,得到所述第一目标向量,包括:

4.根据权利要求1所述的方法,其特征在于,所述获取包括多个数据点的目标点云数据,包括:

5.根据权利要求1所述的方法,其特征在于,所述基于所述目标点云数据进行局部划分,生成图结构数据,包括:

6.根据权利要求1所述的方法,其特征在于,所述基于所述图结构数据,采用自注意力机制进行处理,得到第二目标向量,包括:

7.根据权利要求1至6中任意一项所述的方法,其特征在于,所述基于所述第一目标向量和所述第二目标向量,对所述目标点云数据进行划分,得到点云分类结果,包括:

8.一种点云分类装置,其特征在于,包括:

9.一种非易失性存储介质,其特征在于,所述非易失性存储介质存储有多条指令,所述指令适于由处理器加载并执行权利要求1至7中任意一项所述的点云分类方法。

10.一种电子设备,其特征在于,包括:一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任意一项所述的点云分类方法。

...

【技术特征摘要】

1.一种点云分类方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述第一特征矩阵的行表示特征点,所述第一特征矩阵的列表示特征维度值,所述基于所述第一特征矩阵,采用自适应关键点采样方法进行处理,得到第一目标向量,包括:

3.根据权利要求2所述的方法,其特征在于,所述基于所述多列分别对应的关键特征点,得到所述第一目标向量,包括:

4.根据权利要求1所述的方法,其特征在于,所述获取包括多个数据点的目标点云数据,包括:

5.根据权利要求1所述的方法,其特征在于,所述基于所述目标点云数据进行局部划分,生成图结构数据,包括:

6.根据权利要求1所述的方法,其特征在于,所述基于所述图结构数据,采用...

【专利技术属性】
技术研发人员:陈佳俊
申请(专利权)人:天翼电子商务有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1