[發明專利]基于稀疏FPN的3D物體點云數據識別方法

有效

• 申請號: 201910641251.0
• 申請日: 2019-07-16
• 公開（公告）號: CN110363145B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 楊藝;章書豪;王好謙;王強鋒;曾義
• 申請（專利權）人: 深圳市凌云視迅科技有限責任公司;深圳市未來媒體技術研究院
• 主分類號: G06V20/64
• 分類號: G06V20/64;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;許偉群

1.基于稀疏FPN的3D物體點云數據識別方法，其特征在于，所述方法包括：

獲取3D物體的點云數據，并將所述點云數據隨機分為訓練集和測試集；

標記所述訓練集和所述測試集中每一個數據的所屬類別；

構建基于稀疏FPN的識別網絡模型，所述識別網絡模型包括稀疏卷積模塊、FPN模塊和全連接層，所述稀疏卷積模塊包括第一稀疏卷積子模塊、第二稀疏卷積子模塊和第三稀疏卷積子模塊，三個所述稀疏卷積模塊分別與所述FPN模塊通過卷積連接，所述FPN模塊與所述全連接層通過卷積連接；

采用所述訓練集訓練所述識別網絡模型，直至所述識別網絡模型的損失函數最小，獲得調整后的識別網絡模型；

將所述測試集中的點云數據輸入到所述調整后的識別網絡模型中進行測試，輸出所述點云數據的所屬類別信息。

2.根據權利要求1所述的方法，其特征在于，所述構建基于稀疏FPN的識別網絡模型，包括：

點云數據經過所述第一稀疏卷積子模塊卷積后獲得一次卷積點云數據；

所述一次卷積點云數據依次通過所述第二稀疏卷積子模塊和所述第三稀疏卷積子模塊進行卷積，分別獲得二次卷積點云數據和三次卷積點云數據；

將所述一次卷積點云數據、所述二次卷積點云數據和所述三次卷積點云數據分別對應輸入所述FPN模塊中，并分別進行兩次卷積，獲得對應點云數據；

所述對應點云數據進行concat操作后，獲得整合點云數據；

所述整合點云數據經過兩次卷積后，獲得四次卷積點云數據，并將所述四次卷積點云數據通過所述全連接層輸出，獲得基于稀疏FPN的識別網絡模型。

3.根據權利要求1所述的方法，其特征在于，所述稀疏卷積模塊包括：

第一稀疏卷積子模塊和第二稀疏卷積子模塊均包括兩個3*3稀疏卷積核，稀疏卷積核的稀疏率均為2；

第三稀疏卷積子模塊包括兩個3*3稀疏卷積核，稀疏卷積核的稀疏率均為4。

4.根據權利要求1所述的方法，其特征在于，所述FPN模塊包括1*1卷積核和3*3卷積核。

5.根據權利要求1所述的方法，其特征在于，采用所述訓練集訓練所述識別網絡模型，直至所述識別網絡模型的損失函數最小，獲得調整后的識別網絡模型，包括：

將所述訓練集中的點云數據輸入到所述識別網絡模型中，進行正向傳播，獲得估計值；

將所述估計值和實際值輸入誤差函數，獲得誤差；

通過反向傳播方法計算所述誤差，獲得梯度向量；

通過SGD–Momentum算法對所述梯度向量處理，調整權重值；

當Epoch達到20時，通過Adm算法對所述梯度向量處理，調整權重值；

直至設定次數或損失誤差的平均值不再下降，獲得調整后的識別網絡模型。

6.根據權利要求1所述的方法，其特征在于，所述損失函數為：

其中，α表示懲罰系數，y表示標簽，x表示網絡全連接層的輸出，F_i表示中間的特征，E表示與F_i同緯度的對角矩陣。