【技术实现步骤摘要】
本专利技术涉及人工智能，尤其是指一种基于深度学习网络的毫米波雷达点云分类方法及系统。
技术介绍
1、现有点云分类算法可以分为基于点特征的分类、基于上下文特征的分类和基于深度学习的分类。
2、基于点特征的分类方法将点云中每个点作为独立个体，通过机器学习方法（svm、adaboost、rf）学习点的局部几何特征进行点云分类。由于点云分布有着不均匀性的特点，所以仅依靠点的局部特征进行分类的方法稳定性较差，对噪声敏感，不适用于复杂场景。
3、基于上下文特征的分类方法通过条件随机场、马尔可夫随机场等方法联系上下文信息进行分类，在一定程度上可以完成点云分类任务。但是该类方法仍需人工构造特征，所以特征构造过程的主观性限制了方法的泛化性能，同样难题推广到真实的复杂场景。
4、基于深度学习的点云分类方法避免了人工构造特征，完全基于数据提取深层特征，其精度和泛化能力优于传统算法，主要包括基于投影的方法和基于原始点云的方法。其中，基于投影的方法利用占用网格将点云数据体素化，结合3d卷积进行分类，或在多个角度将3d点云数据投...
【技术保护点】
1.一种基于深度学习网络的毫米波雷达点云分类方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习网络的毫米波雷达点云分类方法，其特征在于，对所述点云数据进行预处理，包括：
3.根据权利要求1所述的一种基于深度学习网络的毫米波雷达点云分类方法，其特征在于，将预处理后的所述点云数据划分成仿真实验用点云数据和实测测试用点云数据，包括：
4.根据权利要求1所述的一种基于深度学习网络的毫米波雷达点云分类方法，其特征在于，对所述仿真实验用点云数据进行数据标注，赋值类别标签，包括：
5.根据权利要求1所述的一种基于深度学...
【技术特征摘要】
1.一种基于深度学习网络的毫米波雷达点云分类方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习网络的毫米波雷达点云分类方法，其特征在于，对所述点云数据进行预处理，包括：
3.根据权利要求1所述的一种基于深度学习网络的毫米波雷达点云分类方法，其特征在于，将预处理后的所述点云数据划分成仿真实验用点云数据和实测测试用点云数据，包括：
4.根据权利要求1所述的一种基于深度学习网络的毫米波雷达点云分类方法，其特征在于，对所述仿真实验用点云数据进行数据标注，赋值类别标签，包括：
...【专利技术属性】
技术研发人员：屈操，余如意，陈帅，陶烨，郭枰，
申请(专利权)人：无锡威孚高科技集团股份有限公司，
类型：发明
国别省市：
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。