[發明專利]一種基于融合體素的三維點云標記方法和裝置

有效

• 申請號: 201810861715.4
• 申請日: 2018-08-01
• 公開（公告）號: CN109118564B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 馬燕新;魯敏;涂兵;郭裕蘭;雷印杰
• 申請（專利權）人: 山東佳音信息科技有限公司
• 主分類號: G06T15/00
• 分類號: G06T15/00;G06N3/0464
• 代理公司: 南京司南專利代理事務所(普通合伙) 32431
• 代理人: 何毅

本發明實施例提供一種基于融合體素的三維點云標記方法和裝置。其中，基于融合體素的三維點云標記方法包括對三維點云數據集進行體素化處理，并基于處理結果在體素內進行體素特征提取形成第一體素特征矩陣；將第一體素特征矩陣作為三維卷積神經網絡的輸入以計算得到體素的多尺度特征，并對該多尺度特征進行特征串聯融合以得到第二體素特征矩陣；基于特征插值算法將第二體素特征矩陣中的體素特征擴展至三維點云數據集中的各點中以得到點云特征矩陣；將點云特征矩陣輸入多層感知器中以實現對三維點云的屬性標記。本發明能夠實現逐點的較為精細的分類識別，以進一步提升點云標記性能。

技術領域

本發明涉及數據標記技術領域，具體而言，涉及一種基于融合體素的三維點云標記方法和裝置。

背景技術

隨著最近幾年三維傳感器(如LiDAR、Microsoft?Kinect、ASUS?Xtion等)在各領域(如移動機器人、自動駕駛、遙感解譯、虛擬現實、增強現實和戰場態勢感知等)的廣泛應用，三維數據也在顯著增長，而三維點云標記作為對三維數據進行處理的重要手段，是指在觀測到的場景點云數據中，識別每個點的類別屬性，并為每個點分配一個唯一的類別標簽，比如建筑、道路或汽車等。但傳統的基于體素卷積神經網絡的語義標記要求體素內所有點共享同一語義標簽，且需要規則化的數據輸入，同時得到的標記結果也是體素級別的粗略標記結果。

發明內容

有鑒于此，本發明提供一種基于融合體素的三維點云標記方法和裝置，以解決上述問題。

一方面，本發明較佳實施例提供一種基于融合體素的三維點云標記方法，所述方法包括：

對三維點云數據集進行體素化處理，并基于處理結果在體素內進行體素特征提取形成第一體素特征矩陣；

將所述第一體素特征矩陣作為三維卷積神經網絡的輸入以計算得到體素的多尺度特征，并對該多尺度特征進行特征串聯融合以得到第二體素特征矩陣；

基于特征插值算法將所述第二體素特征矩陣中的體素特征擴展至所述三維點云數據集中的各點中以得到點云特征矩陣；

將所述點云特征矩陣輸入多層感知器中以實現對三維點云的屬性標記。

另一方面，本發明較佳實施例還提供一種基于融合體素的三維點云標記裝置，所述裝置包括：

體素處理及特征提取模塊，用于對三維點云數據集進行體素化處理，并基于處理結果在體素內進行體素特征提取形成第一體素特征矩陣；

多尺度體素特征計算模塊，用于將所述第一體素特征矩陣作為三維卷積神經網絡的輸入以計算得到體素的多尺度特征，并對該多尺度特征進行特征串聯融合以得到第二體素特征矩陣；

特征擴展模塊，用于基于特征插值算法將所述第二體素特征矩陣中的體素特征擴展至所述三維點云數據集中的各點中以得到點云特征矩陣；

點云標記模塊，用于將所述點云特征矩陣輸入多層感知器中以實現對三維點云的屬性標記。

與現有技術相比，本發明實施例提供的一種基于融合體素的三維點云標記方法和裝置，通過在規則化的體素模型上基于體素卷積神經網絡構建多尺度空間以提取多尺度體素特征，然后利用特征插值的方式將體素特征擴展到點特征，進而實現逐點的較為精細的分類識別和點云標記。

另外，本發明還利用CRF-RNN對完成標記的點云數據進行標記結果優化，以提高標記精度。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應當理解，以下附圖僅示出了本發明的某些實施例，因此不應被看作是對范圍的限定，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他相關的附圖。

圖1為本發明實施例提供的基于融合體素的三維點云標記裝置的應用場景示意圖。