【技术实现步骤摘要】
本专利技术涉及计算机视觉，具体涉及一种基于球面坐标引导多尺度空洞卷积用于点云分割的方法。
技术介绍
1、在随着三维采集技术的快速发展，深度相机和激光雷达扫描仪等设备在各个领域的应用越来越广泛，如自动驾驶、地理定位系统和环境监测等方面。而三维点云是最常见和基本的三维数据表现形式，这些点云数据包含了丰富的空间和距离信息，对三维城市建模和城市管理、地质勘探、灾害评估、航空航天等领域应用有着非常重要的作用。点云数据处理关键在于对点云数据的分割，其对于理解和处理环境信息至关重要，同时语义分割也是三维环境感知与计算机视觉领域当前一个重要的研究课题。鉴于三维点云具有空间无序性、密度不均匀性以及场景复杂性等特征，点云数据的分割问题依然存在着相当的挑战性。
2、随着计算机视觉和深度学习的兴起，基于深度学习的点云分割方法相对于传统手工提取可以有效提升点云分割的性能。深度学习方法往往能够自动学习有效的特征，减少人工干预。由于点云本身的稀疏性，直接处理点云数据来捕获点云特征会尽可能多地保留原始点云的几何形状。因此，qi等人提出了一种新型网络结构 p...
【技术保护点】
1.一种基于球面坐标引导多尺度空洞卷积用于点云分割的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在步骤1中，在将点云数据的笛卡尔坐标(x,y,z)转换为球面坐标时，其中r表示径向距离，即球面坐标点到球心的距离，公式表示：；
3.根据权利要求1所述的方法，其特征在于，在步骤2中，根据球面坐标动态生成多尺度空洞卷积参数具体为：
4.根据权利要求3所述的方法，其特征在于，在2-1中，基于径向距离r计算扩张率d，结果向下取整，同时考虑当扩张率过大时，邻域点数会显著增加，导致计算量和内存占用飙升，因此设定最大阈...
【技术特征摘要】
1.一种基于球面坐标引导多尺度空洞卷积用于点云分割的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在步骤1中，在将点云数据的笛卡尔坐标(x,y,z)转换为球面坐标时，其中r表示径向距离，即球面坐标点到球心的距离，公式表示：；
3.根据权利要求1所述的方法，其特征在于，在步骤2中，根据球面坐标动态生成多尺度空洞卷积参数具体为：
4.根据权利要求3所述的方法，其特征在于，在2-1中，基于径向距离r计算扩张率d，结果向下取整，同时考虑当扩张率过大时，邻域点数会显著增加，导致计算量和内存占用飙升，因此设定最大阈值，并且限制d≥1，公式表示： ，其中为可训练的距离分段系数，使用 softplus 函数：)；其中αinit表示初始化的α值，约束，避免扩张率d出现负数或零。
5.根据权利要求3所述的方法，其特征在于，在2-2中，基于极角θ和方位角生成方向权重w，公式表示：，其中为 sigmoid 函数，和为可学习参数，用来独立控制方向敏感性的强度，结合了垂直方向和水平方向的信息，说明了水平方向不同角度的信息强弱，当坐标点位于球面正上方或水平方向时，权重都趋近于最大，增强了垂直方向和水平方向的细节特征。
6.根据权...
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。