[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

本發明提出了一種基于超點圖的大規模點云語義分割方法，其主要內容包括：幾何均勻分區、超點圖形構建、嵌入超點、語義分割、訓練和測試，其過程為，先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，接著在每個超點中選擇固定大小的維度，通過嵌入向量計算出描述符，最后由于超點的圖形比原始點云上建立的圖形小，通過基于圖卷積的深度學習算法，利用豐富的邊緣特征來對其節點進行分類，超點根據超邊緣傳遞的信息細化嵌入。本發明解決了大型三維點云上的語義分割問題，超點圖在深度學習框架的基礎上處理大規模數據，在保留微小細節的同時提高了分割效率。

技術領域

本發明涉及語義分割領域，尤其是涉及了一種基于超點圖的大規模點云語義分割方法。

背景技術

語義分割就是機器自動分割并識別出圖像中的內容，可以說是圖像理解的基礎性技術，在自動駕駛系統、無人機應用以及穿戴式設備應用中舉足輕重。眾所周知，圖像是由許多像素組成，而“語義分割”顧名思義就是將像素按照圖像中表達語義含義的不同進行分割，語義分割是人工智能領域中一個重要的分支，是機器視覺技術中關于圖像理解的重要一環，在近年的自動駕駛技術中，在車載攝像頭探查到行人、車輛或樹木和電線桿等障礙圖像后，后臺計算機可以自動將圖像分割歸類，提示駕駛員采取相應避讓措施。另外，語義分割可以逐像素處理醫學影像，按一定語義分割醫療儀器拍攝到的圖像，可以檢測心臟病變、分割腫瘤、齲齒等，以輔助醫生診斷病情。此外，還可以在無人機上安裝攝像頭，無人機通過拍攝周邊環境，利用語義分割技術對環境中的建筑物、植物、道路等進行分割，從而判斷著陸點。在機器人應用領域，機器人接收指令后，內置計算機開始調用攝像頭拍攝周邊物體并利用圖像分割技術識別物體，可以有效繞開障礙物，到達指令所述的目的地完成任務，極大地方便了人們的生活。雖然在點云語義分割方面的研究頗多，但是可用的數據規模較小且結構模糊，這導致卷積神經網絡在不規則數據上處理圖像時效率低下，因此在大型三維點云上的語義分割依然存在挑戰。

本發明提出了一種基于超點圖的大規模點云語義分割方法，使用基于深度學習的框架來處理數百萬點的大規模點云語義分割。首先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，接著在每個超點中選擇固定大小的維度，通過嵌入向量計算出描述符，最后由于超點的圖形比原始點云上建立的圖形小，通過基于圖卷積的深度學習算法，利用豐富的邊緣特征來對其節點進行分類，超點根據超邊緣傳遞的信息細化嵌入。本發明解決了大型三維點云上的語義分割問題，超點圖在深度學習框架的基礎上處理大規模數據，在保留微小細節的同時提高了分割效率。

發明內容

針對語義分割中數據規模較小且結構模糊的問題，本發明的目的在于提供一種基于超點圖的大規模點云語義分割方法，使用基于深度學習的框架來處理數百萬點的大規模點云語義分割。先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，接著在每個超點中選擇固定大小的維度，通過嵌入向量計算出描述符，最后由于超點的圖形比原始點云上建立的圖形小，通過基于圖卷積的深度學習算法，利用豐富的邊緣特征來對其節點進行分類，超點根據超邊緣傳遞的信息細化嵌入。

為解決上述問題，本發明提供一種基于超點圖的大規模點云語義分割方法，其主要內容包括：

(一)幾何均勻分區；

(二)超點圖形構建；

(三)嵌入超點；

(四)語義分割；

(五)訓練和測試。

其中，所述的幾何均勻分區，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。