大场景点云增量分割方法、装置、设备、介质和程序产品制造方法及图纸

本申请涉及一种大场景点云增量分割方法、装置、设备、介质和程序产品。所述方法包括：获取待预测点云数据；根据预训练的目标旧类别模型对待预测点云数据的旧类别数据进行伪标签生成，得到旧类别伪标签；根据旧类别伪标签和待预测点云数据对应的新类别真实标签对目标旧类别模型进行动量更新，得到候选新类别模型；根据预构建的自适应损失控制模型对候选新类别模型进行损失优化，得到目标新类别模型；根据目标新类别模型对待预测点云数据进行点云分割，得到分割结果。采用本方法能够有效的提高针对大场景的增量预测精度，并且在较多的新类别或者较少的新类别这两种新旧类别数量不均衡的情况下均能取得极佳的效果。

【技术实现步骤摘要】

本申请涉及增量学习，特别是涉及一种大场景点云增量分割方法、装置、设备、介质和程序产品。

技术介绍

1、随着增量学习技术的发展，出现了针对三维点云的增量学习技术，这个技术目前主要应用于较为简单的分类任务上，针对真实的城市场景呈现出更为复杂的挑战，例如城市场景中更大规模、复杂的形状以及高度不均衡的语义分布都是难以被攻克的难题，因此如何更精准地预测语义分布情况从而准确地分割城市场景中三维点云，成为了增量学习
中亟需解决的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够精准地分割城市场景中三维点云的大场景点云增量分割方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本申请提供了一种大场景点云增量分割方法，包括：

3、获取待预测点云数据；

4、根据预训练的目标旧类别模型对所述待预测点云数据的旧类别数据进行伪标签生成，得到旧类别伪标签；

5、根据所述旧类别伪标签和所述待预测点云数据对应的新类别真实标签对所述目标旧类别模型本文档来自技高网...

【技术保护点】

1.一种大场景点云增量分割方法，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，所述根据预训练的目标旧类别模型对所述待预测点云数据的旧类别数据进行伪标签生成，得到旧类别伪标签，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述旧类别伪标签和所述待预测点云数据对应的新类别真实标签对所述目标旧类别模型进行动量更新，得到候选新类别模型，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据预构建的自适应损失控制模型对所述候选新类别模型进行损失优化，得到目标新类别模型，包括：

5.根据权利要求1所述的方法，其特...

【技术特征摘要】

1.一种大场景点云增量分割方法，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，所述根据预训练的目标旧类别模型对所述待预测点云数据的旧类别数据进行伪标签生成，得到旧类别伪标签，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述旧类别伪标签和所述待预测点云数据对应的新类别真实标签对所述目标旧类别模型进行动量更新，得到候选新类别模型，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据预构建的自适应损失控制模型对所述候选新类别模型进行损失优化，得到目标新类别模型，包括：

5.根据权利要求1所述的方法，其特征在于，所述方法...

【专利技术属性】
技术研发人员：黄惠，杨国庆，吕浩源，
申请(专利权)人：深圳大学，
类型：发明
国别省市：