[發明專利]三維點云語義分割方法、裝置、設備及介質

在審

• 申請號: 202011182178.4
• 申請日: 2020-10-29
• 公開（公告）號: CN112287939A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 李澤遠;王健宗;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;宋慶洪

1.一種三維點云語義分割方法，其特征在于，所述方法包括：

獲取待預測三維點云數據；

采用預設空間單元格對所述待預測三維點云數據進行點云劃分及量化判別，得到目標點云數據；

將所述目標點云數據輸入點云語義類別預測模型中進行語義類別的概率預測，得到所述目標點云數據的點云語義類別概率預測值，所述點云語義類別預測模型是基于PointSIFT神經網絡模塊和PointNet++神經網絡訓練得到的模型；

根據所述目標點云數據的點云語義類別概率預測值，確定所述目標點云數據中每個點的目標語義類別。

2.根據權利要求1所述的三維點云語義分割方法，其特征在于，所述采用預設空間單元格對所述待預測三維點云數據進行點云劃分及量化判別，得到目標點云數據的步驟，包括：

采用所述預設空間單元格對所述待預測三維點云數據進行離散劃分，得到多個待處理空間單元格；

對所述多個待處理空間單元格進行總體積計算，得到空間單元格總體積；

對所述待處理空間單元格中的點云進行體積計算，得到所述待處理空間單元格的點云體積；

分別將每一個所述待處理空間單元格的點云體積除以所述空間單元格總體積，得到多個所述待處理空間單元格的點云體積比例；

判斷每一個所述待處理空間單元格的點云體積比例是否大于預設比例閾值；

當存在所述待處理空間單元格的點云體積比例大于所述預設比例閾值時，將所述待處理空間單元格的點云體積比例對應的所述待處理空間單元格作為有效空間單元格；

從所述有效空間單元格中進行點的選取，得到所述目標點云數據。

3.根據權利要求2所述的三維點云語義分割方法，其特征在于，所述從所述有效空間單元格中進行點的選取，得到所述目標點云數據的步驟，包括：

對所述有效空間單元格中的點云按預設數量進行點的隨機選取，得到待處理點云數據；

對所述待處理點云數據進行中心點計算，得到中心點坐標數據；

將所述待處理點云數據中的每個點的坐標數據減去所述中心點坐標數據，得到所述待處理點云數據中的每個點的坐標差值；

根據所述待處理點云數據的所有點的坐標數據和所述中心點坐標數據進行標準差計算，得到所述待處理點云數據的點云標準差；

將所述待處理點云數據中的每個點的坐標差值除以所述點云標準差，得到所述目標點云數據。

4.根據權利要求1所述的三維點云語義分割方法，其特征在于，所述將所述目標點云數據輸入點云語義類別預測模型中進行語義類別的概率預測，得到所述目標點云數據的點云語義類別概率預測值的步驟之前，還包括：

獲取多個訓練樣本，所述訓練樣本包括：點云樣本數據、點云語義類別標定數據；

將所述訓練樣本的所述點云樣本數據輸入待訓練模型中進行語義類別的概率預測，得到所述訓練樣本的樣本語義類別概率預測數據，其中，所述待訓練模型是根據所述PointSIFT神經網絡模塊和所述PointNet++神經網絡訓練確定的模型；

根據所述樣本語義類別概率預測數據和所述點云語義類別標定數據對所述待訓練模型進行訓練，將訓練結束的待訓練模型作為所述點云語義類別預測模型。