[發明專利]一種室外大場景下點云的語義分割方法

有效

• 申請號: 202011532812.2
• 申請日: 2020-12-23
• 公開（公告）號: CN112560865B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 馮建江;周杰;劉宗健
• 申請（專利權）人: 清華大學
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V20/70;G06V10/44;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 廖元秋

1.一種室外大場景下點云的語義分割方法，該方法分為訓練階段和應用階段，其特征在于，該方法包括以下步驟：

1)訓練階段；

1-1)獲取點云訓練集；

獲取室外大場景下的點云作為訓練集，其中訓練集中每個點均包含對應的三維坐標，以及該點對應的分類標注結果；

1-2)建立語義分割網絡并進行訓練，得到訓練完畢的語義分割網絡；

所述語義分割網絡包括依次連接的第一全連接層、編碼器層、解碼器層和第二全連接層；

語義分割網絡的輸入為一個批次的維度為N*d的點云，其中，N是該批次所有點的總數，d是該批次中每個點的特征維度；將該批次的點云輸入到第一全連接層，得到輸入的每個點更多維的特征，然后輸出到編碼器層；

編碼器層每一層對輸入的點云進行特征聚合和降采樣；每一層特征聚合中，對每一點附近的K個點進行特征的顯式編碼，并利用注意力機制進行特征聚合，輸出四倍維數的聚合點特征；每一層的降采樣則對該層完成聚合點特征學習的點進行降采樣，每經過一層保留25％的點，其中前兩層采用隨機采樣法，后兩層采用逆密度采樣法進行采樣；

編碼器層的輸出點云進入解碼器層進行特征恢復和上采樣，每經過一層特征恢復，聚合點特征維數下降為四分之一；每一層上采樣后，點數恢復為輸入的點數的四倍；其中，上采樣采用考慮到距離權重的類近鄰插值，對附近的k’個點進行加權特征；

解碼器層的輸出結果通過共享的第二全連接層連接到(N,class)，其中class代表待分類的類別總數，得到輸出的每個點及該點對應的每個類別的概率，其中概率最高的分類即為語義分割網絡輸出的該點的分類預測結果；

將每個點的分類預測結果和該點對應的標注結果相對比，利用考慮不同類別點數分布的修改交叉熵損失函數，反傳訓練網絡，訓練前向傳遞的概率類別和標注的差距小于設定閾值且穩定時停止訓練，得到訓練完畢的語義分割網絡；

2)應用階段；

2-1)獲取待進行語義分割的點云；

2-2)將步驟2-1)獲取的點云輸入步驟1)訓練完畢的語義分割網絡，該網絡的輸出對應輸入點云中每個點的分類預測結果，該分類預測結果即為步驟2-1)獲取的點云最終的語義分割結果。