[發明專利]一種面向三維點云數據的目標分割建模方法和裝置

在審

• 申請號: 201910648302.2
• 申請日: 2019-07-18
• 公開（公告）號: CN112241958A
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 李乃鵬;陳桂琛;韓璐
• 申請（專利權）人: 普天信息技術有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/521;G06K9/62
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 張馳;宋志強

1.一種面向三維點云數據的目標分割建模方法，其特征在于，包括：

基于三維物體的三維點云數據獲取三維物體邊界框數據，其中所述三維物體邊界框數據被分為m個大類，m為大于1的正整數；

針對所述m個大類中的每一大類，基于第一層K-means聚類算法，將該大類中的三維物體邊界框數據聚類為α個小類，α為大于1的正整數，其中所述第一層K-means聚類算法中，以與從三維坐標系原點出發向I象限延伸的α條直線之間的距離為距離指標；

基于以交并比為距離指標的第二層K-means聚類算法，將所述三維物體的m×α個小類的三維物體邊界框數據聚類為β個類，其中β為大于1的正整數，將所述β個類的三維物體邊界框數據確定為三維物體模板框。

2.根據權利要求1所述的面向三維點云數據的目標分割建模方法，其特征在于，該方法還包括：

調節所述α和所述β；

基于調節后的α和調節后的β，確定調節后的三維物體模板框；

計算調節后的三維物體模板框和與所述調節后的三維物體模板最接近的三維物體邊界框之間的第一平均交并比值，計算調節前的三維物體模板框和與調節前的三維物體模板最接近的三維物體邊界框之間的第二平均交并比值；

基于所述第一平均交并比值與所述第二平均交并比值的差值，評估所述調節的效果，其中差值越高，調節的效果越優化。

3.根據權利要求2所述的面向三維點云數據的目標分割建模方法，其特征在于，所述基于調節后的α和調節后的β，確定調節后的三維物體模板框包括：

針對所述m個大類中的每一大類，基于第一層K-means聚類算法，將該大類中的三維物體邊界框數據聚類為調節后的α個小類，調節后的α為大于1的正整數，其中所述第一層K-means聚類算法中，以與從三維坐標系原點出發向I象限延伸的、調節后的α條直線之間的距離為距離指標；

基于以交并比為距離指標的第二層K-means聚類算法，將所述三維物體的、m與調節后的α的乘積個的小類的三維物體邊界框數據聚類為調節后β個類，其中調節后β為大于1的正整數，將所述調節后β個類的三維物體邊界框數據確定為調節后的三維物體模板框。

4.一種面向三維點云數據的目標分割建模裝置，其特征在于，包括：

數據獲取模塊，用于基于三維物體的三維點云數據獲取三維物體邊界框數據，其中所述三維物體邊界框數據被分為m個大類，m為大于1的正整數；

第一層K-means聚類模塊，用于針對所述m個大類中的每一大類，基于第一層K-means聚類算法，將該大類中的三維物體邊界框數據聚類為α個小類，α為大于1的正整數，其中所述第一層K-means聚類算法中，以與從三維坐標系原點出發向I象限延伸的α條直線之間的距離為距離指標；

第二層K-means聚類模塊，用于基于以交并比為距離指標的第二層K-means聚類算法，將所述三維物體的m×α個小類的三維物體邊界框數據聚類為β個類，其中β為大于1的正整數，將所述β個類的三維物體邊界框數據確定為三維物體模板框。

5.根據權利要求4所述的面向三維點云數據的目標分割建模裝置，其特征在于，還包括：

調節模塊，用于調節所述α和所述β；基于調節后的α和調節后的β，確定調節后的三維物體模板框；計算調節后的三維物體模板框和與所述調節后的三維物體模板最接近的三維物體邊界框之間的第一平均交并比值，計算調節前的三維物體模板框和與調節前的三維物體模板最接近的三維物體邊界框之間的第二平均交并比值；基于所述第一平均交并比值與所述第二平均交并比值的差值，評估所述調節的效果，其中差值越高，調節的效果越優化。