一种基于随机采样的点云语义分割方法技术

本发明专利技术公开了一种基于随机采样的点云语义分割方法，对任意数量的三维坐标点构成的点云进行语义分割，以区分不同部位的点云。本发明专利技术所述的方法结构，由点云预处理部分、特征预提取部分、下采样部分、上采样部分、分类预测部分，五个部分构成。涉及以下技术内容的应用与改进，包括RandLA‑Net算法、T‑Net算法、kdTree算法。本发明专利技术基于随机采样对大规模的点云进行快速的语义分割，其准确率高，运算速度快，与同类算法相比具有显著优势。

【技术实现步骤摘要】

本专利技术属于点云处理领域，具体涉及一种基于随机采样的点云语义分割方法。

技术介绍

1、在点云的语义分割领域，最近的研究集中在如何解决lidar在较远距离上点云的稀疏性问题。这种稀疏性极大降低了点云的语义分割精度。这些年来kpconv、pointcnn、pointtransformer、swin3d等最先进的点云网络在自动驾驶等大场景中表现出色。然而，在小规模场景中，精确分割形状更为复杂的物体则很少被研究，比如分割人手持握不同物体。

2、基于随机采样的randla-net在lidar捕获的大规模点上实现了快速准确的语义分割结果。然而，该方法在小规模场景的应用中，忽略了小型物体的旋转多样性。因此需要设计一种基于随机采样的点云语义分割方法，用于在小规模场景对复杂物体的精确分割。

技术实现思路

1、为解决上述问题，本专利技术公开了一种基于随机采样的点云语义分割方法，一方面基于randla-net的局部特征提取流程，通过添加t-net预测的变换矩阵，使得物体的旋转多样性得以泛化；另一方面基于kdtree算本文档来自技高网...

【技术保护点】

1.一种基于随机采样的点云语义分割方法，其特征在于，所述方法包含下列步骤：

2.根据权利要求1所述的一种基于随机采样的点云语义分割方法，其特征在于，步骤(1)中，

3.根据权利要求1所述的一种基于随机采样的点云语义分割方法，其特征在于，步骤(2)中，

4.根据权利要求1所述的一种基于随机采样的点云语义分割方法，其特征在于，步骤(4)的目的在于通过聚合来自每个中心点邻域的特征来减小点云尺寸并增加特征维度，以最大限度地提升对点云局部几何特征的感知，该模块由两个核心组件组成：局部空间编码模块和注意力池化模块；注意力池化模块直接连接在局部空间编码模块之后；步骤...

【技术特征摘要】

1.一种基于随机采样的点云语义分割方法，其特征在于，所述方法包含下列步骤：

2.根据权利要求1所述的一种基于随机采样的点云语义分割方法，其特征在于，步骤(1)中，

3.根据权利要求1所述的一种基于随机采样的点云语义分割方法，其特征在于，步骤(2)中，

4.根据权利要求1所述的一种基于随机采样的点云语义分割方法，其特征在于，步骤(4)的目的在于通过聚合来自每个中心...

【专利技术属性】
技术研发人员：徐宝国，汪逸飞，赵子硕，彭维峰，宋爱国，
申请(专利权)人：东南大学，
类型：发明
国别省市：