【技术实现步骤摘要】
本专利技术涉及深度学习 ，尤其涉及一种基于深度学习的运动目标点云处理方法及装置。
技术介绍
1、目前，激光雷达点云处理的主流方法包括基于传统算法的几何特征提取与分类（如ransac或者dbscan等聚类算法），以及近年来迅速发展的基于深度学习的点云处理模型，如pointnet、pointcnn、voxelnet等深度学习模型，这些深度学习模型能够高效处理三维空间中的点云数据，特别是在物体分类、分割和检测任务中表现优异。
2、相关技术中，采用传统几何方法在处理复杂环境中的高密度噪声点时，容易导致误判，影响准确性，而采用深度学习模型在处理大规模激光雷达点云时，计算资源需求过高、实时性较差，而且点云数据的噪声过滤与精确分割往往依赖于大量标注数据，当数据量不足时，现有方法在应对点云的稀疏性、非结构性和噪声点方面表现不佳，导致应用到下游任务（例如目标跟踪、分类或者分割等点云处理任务）时的准确率较低。
技术实现思路
1、本专利技术提供一种基于深度学习的运动目标点云处理方法及装置，用以解决现...
【技术保护点】
1.一种基于深度学习的运动目标点云处理方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的运动目标点云处理方法，其特征在于，所述对所述运动目标点云数据进行多角度降维处理，得到降维数据包括：
3.根据权利要求2所述的基于深度学习的运动目标点云处理方法，其特征在于，在所述得到所述降维数据之后，所述方法还包括：
4.根据权利要求1所述的基于深度学习的运动目标点云处理方法，其特征在于，在所述得到高密度关键数据点之后，所述方法还包括：
5.根据权利要求1所述的基于深度学习的运动目标点云处理方法，其特征在于，所述从多个目...
【技术特征摘要】
1.一种基于深度学习的运动目标点云处理方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的运动目标点云处理方法，其特征在于，所述对所述运动目标点云数据进行多角度降维处理，得到降维数据包括：
3.根据权利要求2所述的基于深度学习的运动目标点云处理方法，其特征在于，在所述得到所述降维数据之后，所述方法还包括：
4.根据权利要求1所述的基于深度学习的运动目标点云处理方法，其特征在于，在所述得到高密度关键数据点之后，所述方法还包括：
5.根据权利要求1所述的基于深度学习的运动目标点云处理方法，其特征在于，所述从多个目标的点云数据中分离出运动目标点云数据包括：
6.根据权利要求1所述的基于深度学习的运动目标点云处理方法，其特征在于，所述通...
【专利技术属性】
技术研发人员：李云鹏，鄢鹏程，吴昊罡，李胜德，胡晓飞，勾通，郑毅斐，王毅，张远，袁楷，赵丽媛，潘彦宏，邓禹，李军，张珂林，
申请(专利权)人：北京起重运输机械设计研究院有限公司，
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。