【技术实现步骤摘要】
本专利技术涉及三维点云数据处理，尤其涉及一种基于多尺度伞状特征的点云分割方法、系统、终端及计算机可读存储介质。
技术介绍
1、点云分割任务是一种三维计算机视觉处理技术，旨在将三维点云数据中的点分成多个类别或簇，每个类别代表不同的实体或对象表面，用于提高自动驾驶、机器人导航、三维建模和环境理解等领域的空间识别和分析效率。如今点云分割任务主要是利用深度学习模型识别和分类点云数据中的不同特征或对象，最后进行后处理以优化分割结果，提高准确性和效率。
2、然而，区别于实验环境中较为规则的物体表面，实际场景中针对不同实例的点云数据往往存在大量不规则表面，且受数据采集以及处理技术的影响，点云数据的稀疏稠密差异变化较大，采用基于点云数据自身获取到的几何特征、颜色特征基础特征等应用于点云分割任务时，往往存在忽略特征空间相关性、特征精度较低等问题，无法有效地为点云分割任务提供后续的应用价值。
3、因此，现有技术还有待于改进和发展。
技术实现思路
1、本专利技术的主要目的在于提供一种基于多尺度伞状特征的点云分割方法、系统、终端及计算机可读存储介质，旨在解决现有技术中进行点云分割任务时存在忽略特征空间相关性、特征精度低，导致点云分割任务准确度低的问题。
2、为实现上述目的，本专利技术提供一种基于多尺度伞状特征的点云分割方法，所述基于多尺度伞状特征的点云分割方法包括如下步骤：
3、获取待分割的点云数据集，对所述点云数据集中每个目标点分别进行邻近点搜索操作，得到
4、根据每个所述邻近点列表分别为对应的目标点构建多尺度伞状特征，并对每个所述多尺度伞状特征进行优化处理，得到每个所述目标点对应的最终多尺度伞状特征；
5、将所有所述最终多尺度伞状特征输入预先设置完成的特征学习模型，所述特征学习模型根据所有所述最终多尺度伞状特征进行特征关系提取处理，得到每个所述目标点对应的特征内在关系数据；
6、分别对每个所述特征内在关系数据进行全局依赖关系构建处理，得到每个所述目标点对应的空间关系特征数据；
7、将每个所述空间关系特征数据输入预先设置完成的全连接层中，得到每个所述目标点对应的点云分割标签。
8、可选地，所述的基于多尺度伞状特征的点云分割方法，其中，所述获取待分割的点云数据集，对所述点云数据集中每个目标点分别进行邻近点搜索操作，得到每个所述目标点对应的邻近点列表，具体包括：
9、获取所述点云数据集中所有目标点的坐标，并根据所有所述目标点的坐标计算横坐标方差、纵坐标方差和竖坐标方差，并将方差值最大的坐标维度作为第一切分维度；
10、根据所述第一切分维度获取所述点云数据集的第一中位数点，根据所述第一中位数点将所述点云数据集分割为两个第一数据子集；
11、分别计算每个所述第一数据子集的横坐标方差、纵坐标方差和竖坐标方差，并将方差值最大的坐标维度作为对应第一数据子集的第二切分维度，根据每个所述第二切分维度获取每个所述第一数据子集的第二中位数点，并根据每个所述第二中位数点将每个所述第一数组子集分割为两个第二数据子集；
12、分别计算每个所述第二数据子集的横坐标方差、纵坐标方差和竖坐标方差，…，直至最终的数据子集中只含有一个目标点，完成k维度树的构建；
13、获取每个所述目标点在k维度树中的具体位置，分别根据每个所述目标点的具体位置向叶节点进行递归搜索操作，将符合预设邻近点规则的目标点作为邻近点进行存储，得到每个所述目标点对应的邻近点列表。
14、可选地，所述的基于多尺度伞状特征的点云分割方法，其中，所述获取每个所述目标点在k维度树中的具体位置，分别根据每个所述目标点的具体位置向叶节点进行递归搜索操作，将符合预设邻近点规则的目标点作为邻近点进行存储，得到每个所述目标点对应的邻近点列表，具体包括：
15、获取每个所述目标点在所述k维度树中的具体位置，分别将每个所述具体位置作为起始位置；
16、分别为每个所述目标点设置预设大小的初始邻近列表；
17、分别根据每个所述起始位置向所述k维度树的叶节点进行递归搜索操作，将每个所述叶节点与每个所述起始位置的邻近距离与对应的初始邻近列表中的最大距离进行比较；
18、若邻近距离小于所述最大距离，则证明对应的叶节点符合所述预设邻近点规则，并将对应的叶节点作为邻近点存入对应的初始邻近列表；
19、当每个所述起始位置搜索完对应的所有叶节点后，分别根据最后的叶节点位置进行回溯操作，直至回溯至每个所述起始位置，完成对每个所述起始位置的递归搜索操作，得到每个所述目标点对应的邻近点列表。
20、可选地，所述的基于多尺度伞状特征的点云分割方法，其中，所述根据每个所述邻近点列表分别为对应的目标点构建多尺度伞状特征，具体包括：
21、获取每个所述目标点的点云几何特征，并分别获取每个所述目标点和对应的邻近点列表中所有邻近点的邻近距离；
22、分别根据每个目标点对应的所有邻近距离对每个所述邻近点列表进行升序排序，得到多个初步排序列表；
23、根据预设的划分比例对每个所述初步排序列表进行划分，得到每个所述初步排序列表对应的多个不同尺度空间的初步划分列表；
24、分别将每个所述初步划分列表中的邻近点的点坐标进行转换，得到每个所述邻近点在球面坐标系下的球面坐标表示；
25、根据每个所述邻近点的球面坐标表示中的角度参数分别对每个所述初步划分列表进行升序排序，得到多个最终划分列表；
26、基于伞形曲率计算公式，根据每个所述点云几何特征和对应的最终划分列表进行伞状特征构建，得到每个所述目标点对应的多个伞状特征；
27、将每个所述目标点的所有伞状特征进行拼接处理，得到每个所述目标点对应的多尺度伞状特征。
28、可选地，所述的基于多尺度伞状特征的点云分割方法，其中，所述对每个所述多尺度伞状特征进行优化处理，得到每个所述目标点对应的最终多尺度伞状特征，具体包括：
29、将每个所述目标点的多尺度伞状特征进行切分处理，得到每个所述多尺度伞状特征对应的多个伞状特征；
30、分别获取每个所述伞状特征的特征最大值与特征最小值，并根据每个所述伞状特征的特征最大值和特征最小值对所述伞状特征进行特征归一化处理，得到每个所述多尺度伞状特征对应的多个统一伞状特征；
31、计算每个所述统一伞状特征的特征均值，并根据每个所述特征均值计算每个所述统一伞状特征的特征方差；
32、根据所有所述特征方差为每个所述多尺度伞状特征对应的统一伞状特征进行降序排序，根据特征方差由高到低选取预设数量的统一伞状特征，并作为最终伞状特征；
33、分别拼接所有所述最终伞状特征，得到每个所述目标点对应的最终多尺度伞状特征。
34、可选地，所述的基于多尺度伞状特征的点云分割方法，其中，本文档来自技高网...
【技术保护点】
1.一种基于多尺度伞状特征的点云分割方法，其特征在于，所述基于多尺度伞状特征的点云分割方法包括：
2.根据权利要求1所述的基于多尺度伞状特征的点云分割方法，其特征在于，所述获取待分割的点云数据集，对所述点云数据集中每个目标点分别进行邻近点搜索操作，得到每个所述目标点对应的邻近点列表，具体包括：
3.根据权利要求1所述的基于多尺度伞状特征的点云分割方法，其特征在于，所述获取每个所述目标点在K维度树中的具体位置，分别根据每个所述目标点的具体位置向叶节点进行递归搜索操作，将符合预设邻近点规则的目标点作为邻近点进行存储，得到每个所述目标点对应的邻近点列表，具体包括：
4.根据权利要求3所述的基于多尺度伞状特征的点云分割方法，其特征在于，所述根据每个所述邻近点列表分别为对应的目标点构建多尺度伞状特征，具体包括：
5.根据权利要求1所述的基于多尺度伞状特征的点云分割方法，其特征在于，所述对每个所述多尺度伞状特征进行优化处理，得到每个所述目标点对应的最终多尺度伞状特征，具体包括：
6.根据权利要求4所述的基于多尺度伞状特征的点云分割方
7.根据权利要求1所述的基于多尺度伞状特征的点云分割方法，其特征在于，所述分别对每个所述特征内在关系数据进行全局依赖关系构建处理，得到每个所述目标点对应的空间关系特征数据，具体包括：
8.一种基于多尺度伞状特征的点云分割系统，其特征在于，所述基于多尺度伞状特征的点云分割系统包括：
9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于多尺度伞状特征的点云分割程序，所述基于多尺度伞状特征的点云分割程序被所述处理器执行时实现如权利要求1-7任一项所述的基于多尺度伞状特征的点云分割方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有基于多尺度伞状特征的点云分割程序，所述基于多尺度伞状特征的点云分割程序被处理器执行时实现如权利要求1-7任一项所述的基于多尺度伞状特征的点云分割方法的步骤。
...【技术特征摘要】
1.一种基于多尺度伞状特征的点云分割方法，其特征在于，所述基于多尺度伞状特征的点云分割方法包括：
2.根据权利要求1所述的基于多尺度伞状特征的点云分割方法，其特征在于，所述获取待分割的点云数据集，对所述点云数据集中每个目标点分别进行邻近点搜索操作，得到每个所述目标点对应的邻近点列表，具体包括：
3.根据权利要求1所述的基于多尺度伞状特征的点云分割方法，其特征在于，所述获取每个所述目标点在k维度树中的具体位置，分别根据每个所述目标点的具体位置向叶节点进行递归搜索操作，将符合预设邻近点规则的目标点作为邻近点进行存储，得到每个所述目标点对应的邻近点列表，具体包括：
4.根据权利要求3所述的基于多尺度伞状特征的点云分割方法，其特征在于，所述根据每个所述邻近点列表分别为对应的目标点构建多尺度伞状特征，具体包括：
5.根据权利要求1所述的基于多尺度伞状特征的点云分割方法，其特征在于，所述对每个所述多尺度伞状特征进行优化处理，得到每个所述目标点对应的最终多尺度伞状特征，具体包括：
6.根据权利要求4所述的基于多尺度伞状特征的点云分割方法，其特征在...
【专利技术属性】
技术研发人员：谢林甫，许天一，袁孟阳，王伟玺，郭仁忠，
申请(专利权)人：深圳大学，
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。