[發明專利]用于從點云中動態選擇特征相關點的深度神經網絡的方法和系統

在審

• 申請號: 201980070070.5
• 申請日: 2019-11-13
• 公開（公告）號: CN112912928A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 埃赫桑·內扎達里亞;伊赫桑·塔哈維;劉冰冰
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06T7/33
• 分類號: G06T7/33
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種方法，其特征在于，包括：

接收布置在點-特征矩陣中的多個多維特征向量，其中，所述點-特征矩陣中每一行對應于一個相應多維特征向量，所述點-特征矩陣中每一列對應于相應的特征，每個多維特征向量代表點云中的相應無序數據點，每個多維特征向量包括相應的多個特征相關值，每個特征相關值代表相應的特征的相關程度；

生成具有選定的多個特征相關向量的最大縮減矩陣，其中，所述最大縮減矩陣中每一行對應于一個相應的所述特征相關向量，所述最大縮減矩陣中每一列對應于相應的特征；

其中，對于每個相應的特征，在所述點-特征矩陣中識別具有與所述相應的特征相關聯的最大特征相關值的相應多維特征向量，從而來選擇所述特征相關向量；

輸出所述最大縮減矩陣，以供深度神經網絡的最終卷積層處理。

2.根據權利要求1所述的方法，其特征在于，所述生成包括：

生成包含多個所述識別的多維特征向量的多個行索引的索引向量；

對所述索引向量中的行索引進行采樣一直達到所需數目，從而生成采樣索引向量；

使用所述采樣索引向量中包含的行索引生成所述最大縮減矩陣。

3.根據權利要求2所述的方法，其特征在于，所述采樣是確定性的，還包括：

在所述采樣之前，以升序對所述索引向量中包含的行索引進行排序。

4.根據權利要求2或3所述的方法，其特征在于，為了批處理不同的各個點云，預定義所述所需數目。

5.根據權利要求1至4中的任意一項所述的方法，其特征在于，在所述點-特征矩陣中的至少兩個識別的相應多維特征向量是相同的并且對應于同一個數據點，所述方法還包括：

對于與所述同一個數據點相對應的至少兩個識別的相應多維特征向量，所述生成還包括：

選擇與至少一個識別的相應多維特征向量相關聯的唯一相應行索引；

生成包括多個唯一相應行索引的唯一索引向量，其中，所述多個唯一相應行索引分別對應于不同的相應點；

基于所述唯一索引向量，生成具有選定的多個特征相關向量的最大縮減矩陣，其中，所述選定的特征相關向量各不相同。

6.根據權利要求1至5中任意一項所述的方法，其特征在于，所述輸出所述最大縮減矩陣包括：

將所述最大縮減矩陣作為所述最終卷積層的輸入，其中，所述卷積層對所述特征相關向量執行特征提取，以獲得每個特征相關向量中所需數量的表示特征；

將所述最終卷積層的輸出提供給深度神經網絡的對象分類子系統，以對所述選定的多個特征相關向量進行分類。

7.根據權利要求1至6任意一項所述的方法，其特征在于，所述接收包括：

接收所述點云的多個無序數據點；

對所述接收到的無序數據點進行初步的空間變換和濾波，從而生成多個變換后的數據；

將所述多個變換后的數據提供給深度神經網絡的特征提取子系統的卷積層，從而生成多個多維特征向量。

8.根據權利要求1至7中任意一項所述的方法，其特征在于，所述多個無序數據點是由LIDAR傳感器或紅綠藍深度RGB-D相機捕獲的。