[發明專利]點云分類方法、裝置、設備及存儲介質

有效

• 申請號: 201710748918.8
• 申請日: 2017-08-28
• 公開（公告）號: CN109426828B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 程章林;魏書法;奧利夫·多伊森
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 深圳智趣知識產權代理事務所(普通合伙) 44486
• 代理人: 王策

1.一種點云分類方法，其特征在于，所述方法包括下述步驟：

在三維直角坐標系中，以Z軸為旋轉軸，通過預設的旋轉擴充方式對訓練用點云數據對應的點云進行X方向和Y方向上的擴充；

對所述擴充后的訓練用點云數據對應的點云進行點云體素化操作，得到訓練用點云體素化數據，獲取所述訓練用點云體素化數據對應的點云在預設鄰域內的訓練特征；

獲取所述訓練用點云體素化數據對應點云對應的體素位置，并在所述點云對應的體素位置填充所述訓練特征；

當未達到預設的訓練結束條件時，通過特征填充后的訓練用點云體素化數據對預設的三維卷積神經網絡進行訓練，獲取訓練過程中對所述訓練用點云數據對應的點云的分類準確率，直至達到預設的訓練結束條件；

當達到預設的訓練結束條件時，將所述三維卷積神經網絡設置為點云分類網絡，將分類準確率最高的訓練用點云體素化數據對應點云中填充的訓練特征設置為填充特征；

接收點云分類請求，獲取所述點云分類請求中的點云數據；

對所述點云數據對應的點云進行點云體素化操作，得到點云體素化數據，獲取所述點云體素化數據對應的點云在預設鄰域內的填充特征；

獲取所述點云體素化數據對應點云對應的體素位置，并在所述點云對應的體素位置填充所述填充特征；

通過預先構建的點云分類網絡對特征填充后的點云進行分類，輸出所述點云數據對應的點云分類結果。

2.如權利要求1所述的方法，其特征在于，獲取所述點云分類請求中的點云數據的步驟之后，對所述點云數據對應的點云進行點云體素化操作的步驟之前，所述方法還包括：

在三維直角坐標系中，以Z軸為旋轉軸，通過預設的旋轉擴充方式對所述點云數據對應的點云進行X方向和Y方向上的擴充。

3.如權利要求1所述的方法，其特征在于，所述訓練特征包括PCA特征和點云的法向特征。

4.如權利要求3所述的方法，其特征在于，計算所述訓練用點云體素化數據中的點云在預設鄰域內的訓練特征的步驟，包括：

對所述訓練用點云體素化數據對應的點云的局部鄰域的數據矩陣進行PCA分解，得到本征值和對應的本征向量；

根據所述本征值構建所述PCA特征，所述PCA特征包括Surfaceness特征、Linearness特征和Scatterness特征；

對所述得到的本征值進行大小比較，將所述本征值中最小的本征值對應的本征向量設置為所述點云的法向特征。

5.一種點云分類裝置，其特征在于，所述裝置包括：

訓練用點云擴充單元，用于在三維直角坐標系中，以Z軸為旋轉軸，通過預設的旋轉擴充方式對訓練用點云數據對應的點云進行X方向和Y方向上的擴充；

訓練特征獲取單元，用于對所述擴充后的訓練用點云數據對應的點云進行點云體素化操作，得到訓練用點云體素化數據，獲取所述訓練用點云體素化數據對應的點云在預設鄰域內的訓練特征；

訓練特征填充單元，用于獲取所述訓練用點云體素化數據對應點云對應的體素位置，并在所述點云對應的體素位置填充所述訓練特征；

網絡訓練單元，用于當未達到預設的訓練結束條件時，通過特征填充后的訓練用點云體素化數據對預設的三維卷積神經網絡進行訓練，獲取訓練過程中對所述訓練用點云數據對應的點云的分類準確率，直至達到預設的訓練結束條件；以及

訓練結束單元，用于當達到預設的訓練結束條件時，將所述三維卷積神經網絡設置為點云分類網絡，將分類準確率最高的訓練用點云體素化數據對應點云中填充的訓練特征設置為填充特征；

點云數據獲取單元，用于接收點云分類請求，獲取所述點云分類請求中的點云數據；

特征獲取單元，用于對所述點云數據對應的點云進行點云體素化操作，得到點云體素化數據，獲取所述點云體素化數據對應的點云在預設鄰域內的填充特征；

特征填充單元，用于獲取所述點云體素化數據對應點云對應的體素位置，并在所述點云對應的體素位置填充所述填充特征；以及

分類結果輸出單元，用于通過預先構建的點云分類網絡對特征填充后的點云進行分類，輸出所述點云數據對應的點云分類結果。