[發明專利]一種用于物體分類的點云處理網絡架構

有效

• 申請號: 202010148084.9
• 申請日: 2020-03-05
• 公開（公告）號: CN111368922B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 劉厚德;阮見;周星如;王學謙;朱曉俊;梁斌
• 申請（專利權）人: 清華大學深圳國際研究生院
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/44;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 江耀純

1.一種用于物體分類的點云處理網絡架構，其特征在于：包括w個并行的點云特征提取單元、一池化層和若干全連接層，w個并行的點云特征提取單元的輸入是w組原始點云、輸出共同連接至所述池化層的輸入端，若干全連接層串聯，所述池化層的輸出端連接于第一個全連接層的輸入端；

對于每個點云特征提取單元：包含n個采樣模塊和n個特征復用模塊，n個特征復用模塊分別一一對應地連接于n個采樣模塊之后，形成采樣模塊與特征復用模塊的交替串聯；n個采樣模塊中的第一個采樣模塊接收原始點云，輸出局部鄰域特征F₀，n個特征復用模塊中的第一個特征復用模塊接收局部鄰域特征F₀并進行特征復用之后輸出特征F₁，后面n-1個采樣模塊均用于對所接收的特征進行隨機采樣，后面n-1個特征復用模塊均用于對所接收的特征進行特征復用；

其中，第一個特征復用模塊接收局部鄰域特征F₀，在其內部依次經過卷積層單元1、最大池化層1、激活函數層1的處理，得到特征F₁₁；將F₀和F₁₁合并，然后依次經過卷積層單元2、最大池化層2、激活函數層2的處理，得到特征F₁₂；將F₀、F₁₁和F₁₂合并，然后依次經過卷積層單元3、最大池化層3、激活函數層3的處理，得到特征F₁₃；以此類推，最終得到m個特征F₁₁,F₁₂,F₁₃,…,F_1m；再通過特征輸出層將所述m個特征中的后s個特征合并作為第一個特征復用模塊的輸出，記為特征F₁；其中1≤s≤m；第二個采樣模塊接收特征F₁，進行隨機采樣；第二個特征復用模塊以第二個采樣模塊的輸出作為輸入，按照第一個特征復用模塊的處理方式進行特征復用，輸出特征F₂，再輸入第三個采樣模塊，以此類推，最末一個特征復用模塊輸出特征F_n；

每個特征復用模塊包括m個卷積層單元、m個最大池化層、m個激活函數層和特征輸出層；每個卷積層單元由一個A類卷積層和一個B類卷積層串聯而成，每個卷積層單元的輸出端串聯一個最大池化層，同時每個最大池化層的輸出端串聯一個激活函數層；A類卷積層的卷積核大小均為1×1，用于降低特征第二維的維度；B類卷積層的卷積核大小均為3×3，用于升高特征第三維的維度；

所述池化層對w個點云特征提取單元最終輸出的w組特征按預設條件進行過濾；

所述若干全連接層對所述池化層過濾后所篩選出的特征進行連接，實現物體分類。

2.如權利要求1所述的用于物體分類的點云處理網絡架構，其特征在于：所述采樣模塊包含依次串聯的采樣層、劃分層和PointNet層。

3.如權利要求1所述的用于物體分類的點云處理網絡架構，其特征在于：所述池化層采用最大池化或求和池化的方式，按照預設的條件對w個點云特征提取單元最終輸出的w組特征F_n進行過濾。

4.如權利要求1所述的用于物體分類的點云處理網絡架構，其特征在于：n≥2；1≤m≤5。

5.如權利要求4所述的用于物體分類的點云處理網絡架構，其特征在于：n＝3；m＝5。