一种融合双邻域特征和全局空间感知的点云场景分割方法技术

本发明专利技术涉及点云分割技术领域，具体涉及一种融合双邻域特征和全局空间感知的点云场景分割方法。建立基于点云双邻域特征和全局空间感知的网络模型，包括双邻域特征互补模块和全局空间感知模块；双邻域特征互补模块包括局部结构信息编码模块和语义信息引导模块；对点云空间坐标进行编码，获取局部邻域中点云的空间信息；对局部邻域中的点云进行聚类；捕获点云数据局部结构之间的长程依赖关系；将大规模场景点云数据作为所述网络模型的输入，利用网络模型对点云数据进行分割。本发明专利技术建立的网络模型从双邻域构造角度桥接几何结构特征和语义特征，同时嵌入全局空间感知模块来挖掘点云场景中的长程依赖关系，能够有效提升分割精度。

【技术实现步骤摘要】

本专利技术涉及点云分割，具体涉及一种融合双邻域特征和全局空间感知的点云场景分割方法。

技术介绍

1、空间场景理解是地球科学和遥感的前沿领域，随着三维传感器技术的快速发展和普及，点云数据已成为获取三维场景的主要来源，点云语义分割作为三维场景理解和环境感知的关键技术，旨在识别点云场景中每个点的语义标签，在自动驾驶、高精地图、智慧城市建设、遥感测绘和计算机视觉等领域发挥着至关重要的作用。

2、早期语义分割方法采用机器学习分类器和手工设定进行语义分割，如支持向量机、随机森林和决策树，这些方法通常需要手工设定特征，局限于其在三维场景中的表达，近年来，由于深度学习在图像语义分割方面实现了非常好的性能，致使相关研究逐步扩展到三维点云分割领域。与具有结构化的二维图像等不同，三维点云具有无序性、不均匀性和非结构化等特点，不能使用传统卷积神经网络(convolutional neural network,cnn)来处理三维点云数据，因此，如何将深度学习应用到三维点云语义分割领域已成为当前的研究重点。

3、基于深度学习的三维点云语义分割方法主要分为三类：本文档来自技高网...

【技术保护点】

1.一种融合双邻域特征和全局空间感知的点云场景分割方法，其特征在于，包括：

2.根据权利要求1所述的一种融合双邻域特征和全局空间感知的点云场景分割方法，其特征在于：所述局部结构信息编码模块用于对点云空间坐标进行编码，获取局部邻域中点云的空间信息，具体包括：

3.根据权利要求2所述的一种融合双邻域特征和全局空间感知的点云场景分割方法，其特征在于：获取局部邻域中点云的空间信息之后，还包括：

4.根据权利要求1所述的一种融合双邻域特征和全局空间感知的点云场景分割方法，其特征在于：所述语义信息引导模块用于对局部邻域中的点云进行聚类，具体包括：

5....

【技术特征摘要】

1.一种融合双邻域特征和全局空间感知的点云场景分割方法，其特征在于，包括：

2.根据权利要求1所述的一种融合双邻域特征和全局空间感知的点云场景分割方法，其特征在于：所述局部结构信息编码模块用于对点云空间坐标进行编码，获取局部邻域中点云的空间信息，具体包括：

3.根据权利要求2所述的一种融合双邻域特征和全局空间感知的点云场景分割方法，其特征在于：获取局部邻域中点云的空间信息之后，还包括：

4.根据权利要求1所述的一种融合双邻域特征和全局空间感知的点云场景分割方法，其特征在于：所述语义信息引导模块用于对局部邻域中的点云进行聚类，具体包括：

5.根据权利要求1所述的一种融合双邻域特征和全局空间感知...

【专利技术属性】
技术研发人员：刘涛，刘双童，马天恩，杜萍，王文宁，李德辉，程星智，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：