一种基于无监督领域适应的点云语义分割方法技术

本发明专利技术提供一种基于无监督领域适应的点云语义分割方法，属于计算机视觉与遥感技术领域。该方法设计了特定的源域标签的选取策略，使得在选取跨域混合样本时，不再局限于部分类别，而是对所有类别进行混合；该策略不仅能保持混合样本的语义一致性，还能够完整反映真实场景的空间结构，有效保留不同场景的全局上下文信息。同时，构建了混合域特征增强方法，其中，实例级数据增强方法确保了完整的语义实例在样本混合过程中不会被截断，然后对完整的语义实例进行旋转和复制，使模型能够学习到实例完整的特征，以及对应的不同视角、排列方式的特征，提高模型对其他域点云的适应性，使混合点云样本在局部和整体层面均具备更丰富的结构信息。

【技术实现步骤摘要】

本专利技术属于计算机视觉与遥感，具体涉及一种基于无监督领域适应的点云语义分割方法。

技术介绍

1、在点云语义分割任务中，由于训练数据集与真实应用场景之间的分布差异(即数据分布偏移)，甚至同一城市不同地区的场景结构不同，都会导致模型在实际应用中的泛化能力受限。此外，大规模点云数据的标注过程极其费时费力，成本高昂。因此，如何在无需大量标注数据的情况下提高模型的泛化能力成为亟待解决的问题。针对这一挑战，无监督领域适应(unsupervised domain adaptation,uda)策略为点云语义分割提供了一种有效的解决方案。uda通过在源域(标注数据集)和目标域(无标注数据集)之间建立知识迁移机制，使模型能够适应目标域的数据分布，而无需依赖目标域的人工标注。

2、尽管uda已在2d计算机视觉任务中取得了显著进展，现有方法可以大致分为以下三类：基于视图投影(range-view,rv)的方法、多模态(2d&3d)方法以及纯3d点云的方法。基于视图投影的方法通过将输入点云投影到二维平面上生成rv图像，从而能够利用现有的2d卷积网络进行处理。本文档来自技高网...

【技术保护点】

1.一种基于无监督领域适应的点云语义分割方法，其特征在于，包括以下步骤：

2.如权利要求1所述的点云语义分割方法，其特征在于，步骤1的具体过程为：

3.如权利要求1所述的点云语义分割方法，其特征在于，步骤2.1中的局部增加操作包括旋转、缩放和平移。

4.如权利要求2所述的点云语义分割方法，其特征在于，函数g的置信度阈值ζ不小于0.9。

5.如权利要求1所述的点云语义分割方法，其特征在于，步骤3中，损失函数Ltot如公式(6)所示：

6.如权利要求1所述的点云语义分割方法，其特征在于，按照指数移动平均方法(Exponential ...

【技术特征摘要】

1.一种基于无监督领域适应的点云语义分割方法，其特征在于，包括以下步骤：

2.如权利要求1所述的点云语义分割方法，其特征在于，步骤1的具体过程为：

3.如权利要求1所述的点云语义分割方法，其特征在于，步骤2.1中的局部增加操作包括旋转、缩放和平移。

4.如权利要求2所述的点云语义分割方法，其特征在于，函数g的置信度阈值ζ不小于0.9。

5.如权利要求1所述的点云语义分割方法，其特征在于，步骤3中，损失函数ltot如公式(6)所示：...

【专利技术属性】
技术研发人员：黄方，刘智铭，葛镔赋，边朝阳，丁雨欣，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：