[發明專利]一種基于超點圖的大規模點云語義分割方法

在審

• 申請號: 201810132821.9
• 申請日: 2018-02-09
• 公開（公告）號: CN108319957A
• 公開（公告）日: 2018-07-24
• 發明（設計）人: 夏春秋
• 申請（專利權）人: 深圳市唯特視科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于超點圖的大規模點云語義分割方法，其特征在于，主要包括幾何均勻分區(一)；超點圖形構建(二)；嵌入超點(三)；語義分割(四)；訓練和測試(五)。

2.基于權利要求書1所述的幾何均勻分區(一)，其特征在于，將點云劃分成幾何形狀，稱為超點，利用這個無監督的步驟將整個點云作為輸入，在幾何分區計算超點圖(SPG)，SPG的每個節點對應幾何上簡單對象的一小部分點云，其預期在語義上是均勻的，參數通過小點云下采樣至數百個點來表示。

3.基于權利要求書2所述的分區，其特征在于，通用能量模型可以分割并適應局部幾何復雜性，故利用通用能量模型來計算效率，把輸入點云C看作一組n個三維點組成的點，由每個點i∈C定義其3D位置p_i，并把顏色或強度等其他觀察值定義為o_i，對于每個點，計算幾何特征d_g，用來表征其局部鄰域的形狀，通過自適應鄰域來補償可變采樣密度，利用線性度、平面度和散射三個維度值，并引入垂直度，計算每個點的高程，用來表示歸一化后p_i在整個輸入云上的z軸坐標，幾何均勻分區是優化問題和解的恒定連接組件，通過下式給定：

其中[·≠0]是的函數，當時，[·≠0]等于0，其他情況下等于1，系數μ為正則化強度，并用來決定所得分區的粗糙度，恒定連通分量S＝{S₁,…,S_k}是等式(1)的解決方案，用于定義幾何上簡單的元素。

4.基于權利要求書1所述的超點圖形構建(二)，其特征在于，SPG是點云的結構化表示，定義一個定向屬性圖其節點是超點S的集合，超點之間的鄰接關系用超邊緣ε表示，用一組d_f特征注釋超邊緣：包含超點之間的鄰接關系，將G_vor＝(C,E_vor)定義為完整輸入點云對稱的Voronoi鄰接圖，如果E_vor中有一個邊緣，則S和T是相鄰的兩個超點，且S和T分別位于兩端：

E_vor連接兩個超點，從這兩個超點的邊緣偏移量δ(S,T)中得到超邊緣(S,T)的重要相關特征：

δ(S,T)＝{(p_i-p_j)|(i,j)∈E_vor∩(S×T)} (3)

通過比較相鄰超點的形狀和大小來導出超邊緣特征，用|S|表示超點S中包含的點的數目，λ₁,λ₂,λ₃表示每個超點所包含點的位置協方差，通過協方差導出形狀的特征長度(S)＝λ₁、表面(S)＝λ₁λ₂以及體積(S)＝λ₁λ₂λ₃，按遞減順序排序。

5.基于權利要求書1所述的嵌入超點(三)，其特征在于，在每個超點S_i中，選擇固定大小的維度d_z，通過嵌入向量z_i計算出描述符，每個超點都是獨立嵌入的；選擇一個深度學習的點網絡，在網絡中，輸入點首先由空間變換網絡進行對齊，然后由多層感知器獨立處理，最后匯總以表示輸入形狀，其中輸入形狀是一個簡單的幾何對象，利用少量的點表示輸入形狀，并通過一個緊湊的點網絡執行嵌入，將超點快速取樣為n_p＝128，以便維持有效的批量計算并促進數據增加，替換小于n_p的超點進行采樣，原則上來看這并不影響點網絡最大池化的評估，然而通過實驗表明：小于或等于n_minp＝40的超點在訓練中會損害網絡的整體表現，故將超點的嵌入設置為零，使其分類完全依賴于語義信息，為了使點網絡學習不同形狀的空間分布，每個超點在嵌入之前被縮放到單位球面，采用它們的歸一化位置p′_i、觀測值o_i和幾何特征f_i來表示點，為了協調形狀大小，超點的原始度量直徑作為點網絡最大池化之后的附加特征。