[發(fā)明專利]基于重疊區(qū)域檢索與對齊的點云分割方法

有效

• 申請?zhí)枺?/td>: 202011273571.4
• 申請日: 2020-11-14
• 公開（公告）號: CN112365511B
• 公開（公告）日: 2022-06-10
• 發(fā)明（設(shè)計）人: 徐宗懿;王楊滏;黃小水
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 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(wù)所 50215
• 代理人: 王海軍

本發(fā)明涉及三維點云分割技術(shù)領(lǐng)域，具體涉及一種基于重疊區(qū)域檢索與對齊的三維點云分割方法，包括：將點云數(shù)據(jù)集輸入到訓(xùn)練好的點云分割模型中進(jìn)行點云分割。本發(fā)明直接處理大場景點云，能夠?qū)W習(xí)到更豐富的特征；無需提供參考點云，點云分割模型能夠直接根據(jù)輸入數(shù)據(jù)使用特征檢索部分自動尋找參考點云；此外，本發(fā)明通過重疊區(qū)域檢測、優(yōu)化、對齊的策略完成兩個有重疊區(qū)域的點云的對齊后，直接使用KNN算法實現(xiàn)標(biāo)簽的傳遞，使得邊緣分割效果更優(yōu)。

技術(shù)領(lǐng)域

本發(fā)明涉及三維點云分割技術(shù)領(lǐng)域，具體涉及一種基于重疊區(qū)域檢索與對齊的三維點云分割方法。

背景技術(shù)

點云分割是根據(jù)空間、幾何和紋理等特征對點云進(jìn)行劃分，使得同一劃分的點云具有相似的特征，較好的點云分割方法會方便的許多后期應(yīng)用。點云分割方法主要包括兩類：第一類使用數(shù)學(xué)模型擬合、或者區(qū)域增長、最小分割、歐式聚類等方法，這些方法簡單易實現(xiàn)，但是靈活性差，且當(dāng)點云數(shù)據(jù)中有噪聲時會大幅度影響分割效率；第二類方法使用深度學(xué)習(xí)技術(shù)進(jìn)行分割，該類方法可以有效地提高點云分割準(zhǔn)確度，但是比較消耗內(nèi)存和時間，同時對數(shù)據(jù)的要求較高。

目前，以卷積神經(jīng)網(wǎng)絡(luò)為主的深度學(xué)習(xí)算法對點云分割精度產(chǎn)生了巨大的提升。但是當(dāng)點云場景過大時需要先對點云進(jìn)行區(qū)域化采樣，進(jìn)而在采樣后的點云數(shù)據(jù)上實現(xiàn)分割，這樣會使得部分上下文信息消失，同時無法直接在大場景點云上直接分割。因此需要一種直接在大場景點云上分割有效的方法。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提供一種基于重疊區(qū)域檢索與對齊的點云分割方法，可以較好的解決大場景點云直接分割的問題，避免區(qū)域化而造成的信息損失。

一種基于重疊區(qū)域檢索與對齊的點云分割方法，包括以下步驟：將點云測試集輸入到訓(xùn)練好的點云分割模型中進(jìn)行點云分割，得到分割后的結(jié)果，其中點云分割模型先訓(xùn)練后使用，訓(xùn)練過程包括以下步驟：

S1、獲取點云數(shù)據(jù)集，將點云數(shù)據(jù)劃分為訓(xùn)練集、驗證集與測試集，其中訓(xùn)練集中的點云數(shù)據(jù)用來訓(xùn)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(jìn)行評估；

S2、將訓(xùn)練集中的點云進(jìn)行切片，獲得模型訓(xùn)練所需的切片點云P_n；

S3、將切片點云P_n輸入到點云分割模型中，使用全卷積網(wǎng)絡(luò)對切片點云P_n與點云數(shù)據(jù)集中的所有原始點云做重疊區(qū)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(qū)域中選擇固定數(shù)量的興趣點，使用基于特征的點云對齊算法將兩個點云進(jìn)行重疊區(qū)域?qū)R；

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(xùn)練過程中的總損失，將訓(xùn)練過程中的總損失按照鏈?zhǔn)角髮?dǎo)法則回傳到模型中優(yōu)化參數(shù)，使用隨機梯度下降方法優(yōu)化點云分割模型，獲得最優(yōu)點云分割模型，即得到訓(xùn)練好的點云分割模型。

進(jìn)一步的，使用全卷積網(wǎng)絡(luò)對切片點云P_n與點云數(shù)據(jù)集中的所有原始點云做重疊區(qū)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(wǎng)絡(luò)提取切片點云P_n和每個原始點云的特征，構(gòu)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(yōu)原始點云；

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

進(jìn)一步的，步驟S31中通過Unet網(wǎng)絡(luò)提取切片點云P_n和每個原始點云的特征，構(gòu)成點對(P,O)，具體包括以下步驟：