[發明專利]基于重疊區域檢索與對齊的點云分割方法

有效

• 申請號: 202011273571.4
• 申請日: 2020-11-14
• 公開（公告）號: CN112365511B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 徐宗懿;王楊滏;黃小水
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王海軍

1.一種基于重疊區域檢索與對齊的點云分割方法，其特征在于，包括以下步驟：將點云測試集輸入到訓練好的點云分割模型中進行點云分割，得到分割后的結果，其中點云分割模型先訓練后使用，訓練過程包括以下步驟：

S1、獲取點云數據集，將點云數據劃分為訓練集、驗證集與測試集，其中訓練集中的點云數據用來訓練點云分割模型，驗證集用來驗證點云分割模型的泛化能力，測試集用來對點云分割模型的分割性能進行評估；

S2、將訓練集中的點云進行切片，獲得模型訓練所需的切片點云P_n；

對點云進行切片包括：在原始點云O_n，n∈{0,…,N-1}的X軸、Y軸、Z軸的每個軸上確定一個隨機數rand_i∈[0,1),i∈{X,Y,Z}，并求得在每個軸上的原始點云O_n的最大值aMax_i與最小值aMin_i,i∈{X,Y,Z}，若點云O_n中任意點p滿足下式：(p_i-aMin_i)/(aMax_i-aMin_i)＞rand_i,i∈{X,Y,Z}，則將滿足上式的點p組合成切片點云P_n，n∈{0,…,N-1}，其中，N表示訓練集中原始點云的個數；

S3、將切片點云P_n輸入到點云分割模型中，使用全卷積網絡對切片點云P_n與點云數據集中的所有原始點云做重疊區域檢索，得到與切片點云P_n有重疊的所有原始點云，并將重疊度最大的原始點云O作為切片點云P_n的參考點云；從P_n與O的重疊區域中選擇固定數量的興趣點，使用基于特征的點云對齊算法將兩個點云進行重疊區域對齊；

所述使用全卷積網絡對切片點云P_n與點云數據集中的所有原始點云做重疊區域檢索，得到與切片點云P_n有重疊的所有原始點云，具體包括：

S31、通過Unet網絡提取切片點云P_n和每個原始點云的特征，構成點云對(P,O)，其中，P表示切片點云P_n，O表示檢索的最優原始點云；

S32、將點云對(P,O)輸入重疊區域檢測模塊，在重疊區域檢測模塊中使用最近鄰算法KNN進行重疊區域檢測，輸出處于重疊區域的點對集合(P′,O′)；

S33、重疊區域優化：使用重疊區域優化模塊去除噪聲點對，獲得優化后的點對(P″,O″)；

S34、根據優化后的點對(P″,O″)求解旋轉矩陣M＝[R|t]，對參考點云O進行空間變換，得到對齊后的點云即其中，M表示旋轉矩陣，R表示旋轉矩陣中的旋轉量，t表示旋轉矩陣中的平移量；

S4、使用最近鄰算法完成點云分割；

S5、點云分割完成后，計算訓練過程中的總損失，將訓練過程中的總損失按照鏈式求導法則回傳到模型中優化參數，使用隨機梯度下降方法優化點云分割模型，獲得最優點云分割模型，即得到訓練好的點云分割模型。