[發明專利]點云數據分類方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202011114532.X
• 申請日: 2020-10-16
• 公開（公告）號: CN112348056A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 高偉;楊丁豪
• 申請（專利權）人: 北京大學深圳研究生院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 薛福玲

1.一種點云數據分類方法，其特征在于，所述點云數據分類包括以下步驟：

提取預設點云數據的點云特征向量；

基于預設升維算法對所述點云特征向量進行升維，得到升維后點云特征向量；

對所述升維后點云特征向量進行分類，得到分類結果。

2.如權利要求1所述的方法，其特征在于，所述基于預設升維算法對所述點云特征向量進行升維，得到升維后點云特征向量，包括：

基于預設降維算法對所述點云特征向量進行降維，得到降維后點云特征向量；

基于預設特征連接方法連接所述降維后點云特征向量對應的低維特征和所述點云特征向量對應的原始特征，得到升維后點云特征向量。

3.如權利要求2所述的方法，其特征在于，所述基于預設降維算法對所述點云特征向量進行降維，得到降維后點云特征向量，包括：

基于k近鄰算法和局部線性嵌套獲取所述點云特征向量對應的點在降維后空間下的表達；

基于所述降維后空間下的表達對各所述點進行降維，得到降維后點云特征向量。

4.如權利要求2所述的方法，其特征在于，所述基于預設降維算法對所述點云特征向量進行降維，得到降維后點云特征向量，還包括：

投影所述點云特征向量對應的點至預設投影平面，得到降維后點云特征向量。

5.如權利要求3或4所述的方法，其特征在于，所述對所述升維后點云特征向量進行分類，得到分類結果，包括：

基于k近鄰算法和預設圖神經網絡對所述升維后點云特征向量進行特征嵌套，得到特征嵌套后點云特征向量；

對所述特征嵌套后點云特征向量進行分類，得到分類結果。

6.如權利要求5所述的方法，其特征在于，所述基于k近鄰算法和預設圖神經網絡對所述升維后點云特征向量進行特征嵌套，得到特征嵌套后點云特征向量，包括：

基于k近鄰算法和預設圖神經網絡構建所述升維后點云特征向量對應的點云圖；

對所述點云圖中的點特征與所述點云圖中的邊特征進行特征嵌套，得到特征嵌套后點云特征向量。

7.如權利要5所述的方法，其特征在于，所述對所述特征嵌套后點云特征向量進行分類，得到分類結果，包括：

對所述特征嵌套后點云特征向量進行卷積操作，得到卷積后點云特征向量；

對所述卷積后點云特征向量進行最大池化操作，得到池化后點云特征向量；

基于多層感知機將所述池化后點云特征向量處理為預設維數的目標點云特征向量；

對所述目標點云特征向量進行分類，得到分類結果。

8.一種點云數據分類裝置，其特征在于，所述點云數據分類裝置包括：

提取模塊，用于提取預設點云數據的點云特征向量；

升維模塊，用于基于預設升維算法對所述點云特征向量進行升維，得到升維后點云特征向量；

分類模塊，用于對所述升維后點云特征向量進行分類，得到分類結果。

9.一種點云數據分類設備，其特征在于，所述點云數據分類包括存儲器、處理器和存儲在所述存儲器上并可在所述處理器上運行的點云數據分類程序，所述點云數據分類程序被所述處理器執行時實現如權利要求1至7中任一項所述的點云數據分類方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有點云數據分類程序，所述點云數據分類程序被處理器執行時實現如權利要求1至7中任一項所述的點云數據分類方法的步驟。