[發明專利]點云數據的分類方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201910151657.0
• 申請日: 2019-02-28
• 公開（公告）號: CN111626314A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 李忠蓬
• 申請（專利權）人: 深圳市速騰聚創科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G01S17/93;G01S17/88
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

1.一種點云數據的分類方法，所述方法包括：

獲取室外環境中多個目標障礙物對應的點云數據；

根據所述點云數據識別每個目標障礙物對應的包圍框，根據所述包圍框提取每個目標障礙物對應的全局特征信息；

調用訓練后的分類器，將每個目標障礙物對應的全局特征信息輸入至所述分類器；

通過所述分類器對所述特征信息進行預測運算，輸出每個目標障礙物對應的類別。

2.根據權利要求1所述的方法，其特征在于，所述根據所述點云數據識別每個目標障礙物對應的包圍框包括：

利用所述點云數據計算所述目標障礙物對應的三維框；

提取所述三維框內的目標點云，對所述目標點云進行包圍框擬合運算，得到與所述目標障礙物對應的包圍框。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取訓練數據以及與訓練數據對應的標簽，所述訓練數據包括預先在室外環境中采集到的點云數據；

在所述訓練數據中提取訓練全局特征信息，所述訓練全局特征信息與標簽相對應；

利用提取到的訓練全局特征信息生成訓練特征向量，通過所述訓練特征向量與標簽對分類器進行訓練。

4.根據權利要求1所述的方法，其特征在于，在所述將每個目標障礙物對應的全局特征信息輸入至所述分類器之前，所述方法還包括：

獲取所述分類器在訓練過程中對應的特征順序；

按照所述特征順序將所述全局特征信息轉換為與目標障礙物對應的特征向量。

5.根據權利要求1所述的方法，其特征在于，所述提取每個目標障礙物對應的全局特征信息包括：調用多個線程，通過所述多線程并發提取每個目標障礙物對應的全局特征信息；

所述按照所述特征順序將所述全局特征信息轉換為與目標障礙物對應的特征向量包括：利用所述多線程按照所述特征順序并發對每個目標障礙物對應的全局特征信息進行轉換，得到與每個目標障礙物對應的特征向量。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述全局特征信息包括點云包圍框位置姿態與尺寸、點云慣性張量、點云協方差矩陣、點云特征值、點云高度范圍以及點云反射強度統計特性。

7.一種點云數據的分類裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取室外環境中多個目標障礙物對應的點云數據；

特征提取模塊，用于根據所述點云數據識別每個目標障礙物對應的包圍框，根據所述包圍框提取每個目標障礙物對應的全局特征信息；

分類模塊，用于調用訓練后的分類器，將每個目標障礙物對應的全局特征信息輸入至所述分類器；通過所述分類器對所述特征信息進行預測運算，輸出每個目標障礙物對應的類別。

8.根據權利要求7所述的裝置，其特征在于，所述特征提取模塊還用于利用所述點云數據計算所述目標障礙物對應的三維框；提取所述三維框內的目標點云，對所述目標點云進行包圍框擬合運算，得到與所述目標障礙物對應的包圍框。

9.根據權利要求7所述的裝置，其特征在于，所述數據獲取模塊還用于獲取訓練數據以及與訓練數據對應的標簽，所述訓練數據包括預先在室外環境中采集到的點云數據；所述特征提取模塊還用于在所述訓練數據中提取訓練全局特征信息，所述訓練全局特征信息與標簽相對應；

所述裝置還包括：

訓練模塊，用于利用提取到的訓練全局特征信息生成訓練特征向量，通過所述訓練特征向量與標簽對分類器進行訓練。

10.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至6中任一項所述方法的步驟。

11.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6中任一項所述的方法的步驟。