【技术实现步骤摘要】
本专利技术涉及点云处理，特别涉及一种基于一致性投影约束的弱监督点云语义分割方法。
技术介绍
1、近年来，基于深度学习的方法来处理点云的成果在国内外随着时间而增加。其中点云语义分割是指将点云数据中的每个点分配到其对应的语义类别的任务。在点云中，每个点都具有位置和属性信息，并且可以表示空间中的物体或场景，点云语义分割的目标是根据点云数据中的几何和语义特征，将点云中的每个点进行分类或标记，以实现对物体、场景或环境的语义理解和分割。
2、目前基于深度学习的点云语义分割方法根据是否依赖于完全标注的点云数据集进行训练分为全监督的点云语义分割方法和弱监督的点云语义分割方法。相对于全监督方法需要每个点都有准确的标签，弱监督的点云语义分割是指使用部分标注或不完整标注的点云数据进行语义分割任务的方法，可以利用较少的标注信息或其他辅助信息进行语义分割。现有的弱监督方法利用各种手段来提高网络模型的分割能力，它们大致可以分为三类：一致性正则化、对比预训练以及伪标签的生成的方式，上述方法虽被提出并在特定场景下取得了一定的效果，但是由于弱监督点云语义分割...
【技术保护点】
1.一种基于一致性投影约束的弱监督点云语义分割方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于一致性投影约束的弱监督点云语义分割方法，其特征在于，所述步骤一中，对点云的预处理操作包括加载点云数据、点云重采样、点云划分和特征提取，并对预处理后的点云进行不同标注比例的弱真值标注。
3.根据权利要求1所述的一种基于一致性投影约束的弱监督点云语义分割方法，其特征在于，所述步骤二中，其中所执行的镜像变换为在X轴上取反，即将点云的Y坐标取负值；旋转变换为点云绕Y轴旋转一个角度θ，其中θ是在(0,2π)内均匀分布的随机角度；将数据增强后的点...
【技术特征摘要】
1.一种基于一致性投影约束的弱监督点云语义分割方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于一致性投影约束的弱监督点云语义分割方法，其特征在于，所述步骤一中，对点云的预处理操作包括加载点云数据、点云重采样、点云划分和特征提取，并对预处理后的点云进行不同标注比例的弱真值标注。
3.根据权利要求1所述的一种基于一致性投影约束的弱监督点云语义分割方法，其特征在于，所述步骤二中，其中所执行的镜像变换为在x轴上取反，即将点云的y坐标取负值；旋转变换为点云绕y轴旋转一个角度θ，其中θ是在(0,2π)内均匀分布的随机角度；将数据增强后的点云a和点云b分别投影至xoy平面，并在x、y轴上进行一致性投影约束，即同时在x轴和y轴上进行均方差损失计算，其一致性投影损失函数如公式(1)所示：
4.根据权利要求1所述的一种基于一致性投影约束的弱监督点云语义分割方法，其特征在于，所述步骤四中，其中的局部特征提取模块首先对中心点特征信息采用k近邻算法即基于逐点欧几...
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。