点云联合构图骨干GNN图提取方法、装置、系统及设备制造方法及图纸

本发明专利技术公开一种点云联合构图骨干GNN图提取方法、装置、系统及设备，属于点云构图领域。该方法使用Delaunay三角剖分生成的图，相对于直接使用RNN和k‑NN搜索算法构造的图更加简洁，具体来说即图的边的数量更少，但是却可以充分的表示点云所代表的环境中采样表面的信息。因此Delaunay三角剖分生成的图进行图卷积时，计算复杂度会显著降低且有效降低显存占用，同时由于计算复杂度降低，将会使得计算速度更快。

【技术实现步骤摘要】

本专利技术涉及点云构图领域，特别是涉及一种点云联合构图骨干gnn图提取方法、装置、系统及设备。

技术介绍

1、目前已有很多图神经网络处理点云的方法，point-gnn是使用rnn(radiusnearest neighbor，半径最近邻)搜索算法进行构图，同时还有一些使用k-nn(k nearestneighbor)搜索进行构图，但是这两种构图算法构造的图都非常的冗余，结构特别复杂，存在邻居爆炸(neighbor explosion)和超级节点(super nodes)的问题。这会导致后面图神经网络处理过程计算复杂度增加。

技术实现思路

1、本专利技术的目的是提供一种点云联合构图骨干gnn图提取方法、装置、系统及设备，可降低纯使用rnn和k-nn构造的图的图神经网络的计算复杂度和显存占用。

2、为实现上述目的，本专利技术提供了如下方案：

3、一种点云联合构图骨干gnn图提取方法，包括：

4、对交通场景点云进行降采样，获得多个关键点；

5、根据多个关键点，采用近邻本文档来自技高网...

【技术保护点】

1.一种点云联合构图骨干GNN图提取方法，其特征在于，包括：

2.根据权利要求1所述的点云联合构图骨干GNN图提取方法，其特征在于，所述近邻搜索算法为半径最近邻搜索算法或k近邻搜索算法。

3.根据权利要求1所述的点云联合构图骨干GNN图提取方法，其特征在于，根据多个关键点，采用近邻搜索算法对交通场景点云进行构图，获得交通场景的全局图，之后还包括：

4.根据权利要求1所述的点云联合构图骨干GNN图提取方法，其特征在于，所述第一图神经网络与所述第二图神经网络为相同的图神经网络或不同的图神经网络。

5.根据权利要求1所述的基于点云联合构图骨干GN...

【技术特征摘要】

1.一种点云联合构图骨干gnn图提取方法，其特征在于，包括：

2.根据权利要求1所述的点云联合构图骨干gnn图提取方法，其特征在于，所述近邻搜索算法为半径最近邻搜索算法或k近邻搜索算法。

3.根据权利要求1所述的点云联合构图骨干gnn图提取方法，其特征在于，根据多个关键点，采用近邻搜索算法对交通场景点云进行构图，获得交通场景的全局图，之后还包括：

4.根据权利要求1所述的点云联合构图骨干gnn图提取方法，其特征在于，所述第一图神经网络与所述第二图神经网络为相同的图神经网络或不同的图神经网络。

5.根据权利要求1所述的基于点云联合构图骨干...

【专利技术属性】
技术研发人员：张旭东，邹渊，李圆圆，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：