[發(fā)明專利]一種基于局部邊緣特征增強的點云分類方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010827732.3
• 申請日: 2020-08-17
• 公開（公告）號: CN112052884A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設計）人: 楊國為;楊鵬;張凡龍;黃璞;萬鳴華;楊章靜
• 申請（專利權）人: 南京審計大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京國坤專利代理事務所(普通合伙) 11491
• 代理人: 趙紅霞

1.一種基于局部邊緣特征增強的點云分類方法，其特征在于，所述基于局部邊緣特征增強的點云分類方法包括以下步驟：

步驟一，通過點云數據獲取模塊利用數據獲取設備接收點云分類請求，獲取所述點云分類請求中的點云數據；

步驟二，通過數據預處理模塊利用數據預處理程序對所述點云數據對應的點云進行點云體素化操作，得到點云體素化數據；

所述通過數據預處理模塊利用數據預處理程序對所述點云數據對應的點云進行點云體素化操作的方法，包括：

(2.1)將獲取的點云數據轉換為笛卡爾坐標系的TXT文本文檔格式，并以X、Y、Z形式的笛卡爾坐標表示三維點云數據；

(2.2)將基于三維點云數據的X、Y、Z笛卡爾坐標系以(X_min，Y_min，Z_min)為起始點，體元大小為步長，根據取整算法確定點云數據在空間中的體素坐標，將單個的點云數據轉為三維體素值；

步驟三，通過主控模塊利用主控器控制所述基于局部邊緣特征增強的點云分類系統(tǒng)各個模塊的正常運行；

步驟四，通過邊緣特征提取模塊利用特征提取程序獲取所述點云體素化數據對應的點云在預設鄰域內的邊緣特征；

所述獲取點云體素化數據對應的點云在預設鄰域內的邊緣特征的方法，包括：

(4.1)獲取的點云體素化數據，并對獲取的點云體素化數據進行處理，得到點云分布數據；

(4.2)對得到的點云分布數據進行處理，得到在對應點云在預設鄰域內的關聯特征距離數據和點云向量數據；

(4.3)根據得到的關聯特征距離數據獲取點云相似數據；

(4.4)根據得到的點云相似數據對點云向量數據進行分類，即可得到點云體素化數據對應的點云在預設鄰域內的邊緣特征；

步驟五，通過邊緣特征增強模塊利用特征增強程序對所述點云體素化數據對應的點云在預設鄰域內的邊緣特征進行增強處理；

步驟六，通過特征填充模塊利用特征填充程序獲取所述點云體素化數據對應點云對應的體素位置，并在所述點云對應的體素位置填充所述增強處理后的邊緣特征；通過點云分類模型構建模塊利用模型構建程序構建點云分類模型；

步驟七，通過點云分類模塊利用點云分類程序利用構建的云分類模型對所述邊緣特征填充后的點云進行分類，并輸出所述點云數據對應的點云分類結果；

步驟八，通過云存儲模塊利用云數據庫服務器存儲獲取的點云數據、與處理后的點云體素化數據、邊緣特征、點云分類模型及點云分類結果；

步驟九，通過顯示模塊利用LED高清顯示器顯示獲取的點云數據、與處理后的點云體素化數據、邊緣特征、點云分類模型以及點云分類結果的實時數據。

2.如權利要求1所述基于局部邊緣特征增強的點云分類方法，其特征在于，步驟(2.2)中，所述步長為2cm。

3.如權利要求1所述基于局部邊緣特征增強的點云分類方法，其特征在于，步驟(2.2)中，所述將單個的點云數據轉為三維體素值包括：

其中，i、j、k為對應的體素坐標，L為步長，即體素值大小。

4.如權利要求1所述基于局部邊緣特征增強的點云分類方法，其特征在于，步驟七中，所述通過點云分類模塊利用點云分類程序利用構建的云分類模型對所述邊緣特征填充后的點云進行分類的方法，包括：

(1)將點云數據輸入構建的所述云分類模型；其中，所述點云分類模型包括：至少一個KNN圖卷積單元和通道注意力單元；

(2)依次通過各個所述KNN圖卷積單元提取所述點云數據中所含點云數據中每個頂點所有邊的特征聚合數據；

(3)將所述特征聚合數據依次經過多層感知器和池化處理后，得到第一全局點云特征；

(4)將所述第一全局點云特征輸入所述通道注意力單元，通過所述通道注意力單元得到調整后的第二全局點云特征；

(5)根據調整后的第二全局點云特征得到點云分類結果。

5.如權利要求4所述基于局部邊緣特征增強的點云分類方法，其特征在于，所述KNN圖卷積單元包括邊特征提取子單元和特征聚合子單元。