【技术实现步骤摘要】
本申请涉及人工智能，特别涉及一种三维点云数据的处理方法、设备、存储介质及程序产品。
技术介绍
1、随着激光探测与测量技术的不断发展，对三维点云数据中的对象进行识别(也称为三维点云语义分割)的需求也越来越高。
2、在相关技术中，三维点云语义分割可以通过基于人工智能(artificialintelligence，ai)的机器学习模型来实现。比如，开发人员预先获取到标注有各数据点对应的对象类型的点云数据样本，然后通过有监督的学习方式，基于点云数据样本以及对应的标注信息训练三维点云语义分割模型。
3、然而，上述相关技术中，有监督的学习方式需要大量的经过标注的训练数据，使得三维点云语义分割模型的训练无法兼顾模型准确性和训练效率。
技术实现思路
1、本申请实施例提供了一种三维点云数据的处理方法、设备、存储介质及程序产品，可以在减少模型训练所需要的经过标注的点云数据样本的同时，保证模型训练的准确性，该技术方案如下：
2、一方面，提供了一种三维点云数据的处理方法，所述方
【技术保护点】
1.一种三维点云数据的处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于至少两个所述点云数据帧各自的帧间预测差异，从至少两个所述点云数据帧中提取候选点云数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述帧间预测差异包括所述点云数据帧中的各个数据点各自的帧间差异数据；
4.根据权利要求3所述的方法，其特征在于，所述帧间差异数据包括帧间散度和帧间熵中的至少一项；
5.根据权利要求4所述的方法，其特征在于，所述帧间散度包括所述数据点与所述数据点的邻帧同位点之间的预测结果的平均成对
...
【技术特征摘要】
1.一种三维点云数据的处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于至少两个所述点云数据帧各自的帧间预测差异，从至少两个所述点云数据帧中提取候选点云数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述帧间预测差异包括所述点云数据帧中的各个数据点各自的帧间差异数据；
4.根据权利要求3所述的方法，其特征在于，所述帧间差异数据包括帧间散度和帧间熵中的至少一项；
5.根据权利要求4所述的方法，其特征在于，所述帧间散度包括所述数据点与所述数据点的邻帧同位点之间的预测结果的平均成对散度；
6.根据权利要求4所述的方法，其特征在于，所述帧间熵包括所述数据点与所述数据点的邻帧同位点之间的预测结果的平均概率分布的熵值；
7.根据权利要求4所述的方法，其特征在于，所述基于至少两个所述对象区域中的数据点各自的帧间差异数据，从至少两个所述对象区域中提取所述目标区域，包括：
8.根据权利要求7所述的方法，其特征在于，所述获取与所述目标区域对应的所述标注信息，包括：
9.根据权利要求4所述的方法，其特征在于，所述基于至...
【专利技术属性】
技术研发人员：胡泽宇，张润泽，
申请(专利权)人：腾讯科技深圳有限公司，
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。