[發明專利]大規模點云語義分割方法及系統

有效

• 申請號: 202110309423.1
• 申請日: 2021-03-23
• 公開（公告）號: CN113011430B
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 朱鳳華;董秋雷;范嗣祺;葉佩軍;呂宜生;田濱;王飛躍
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06V20/70
• 分類號: G06V20/70;G06V10/26;G06V10/44;G06V10/80;G06V10/82
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明涉及一種大規模點云語義分割方法及系統，所述語義分割方法包括：提取待識別點云的逐點特征，所述待識別點云由多個待識別點構成；基于各待識別點的點云空間信息，將各逐點特征逐步編碼，得到對應的點云特征；將各點云特征逐步解碼，得到對應的解碼特征；根據各解碼特征，基于語義分割網絡模型，確定所述待識別3D點云的語義分割預測結果。本發明提取待識別點云的逐點特征，從大規模點云信息中提取更有效的空間特征，基于各待識別點的點云空間信息，將各逐點特征逐步編碼，得到點云特征，進一步解碼，得到解碼特征，根據解碼特征，確定所述待識別3D點云的語義分割預測結果，以獲取周圍空間環境的語義信息，從而提高語義分割精度。

技術領域

本發明涉及計算機視覺技術領域，特別涉及一種基于空間上下文特征學習的大規模點云語義分割方法及系統。

背景技術

在移動機器人周圍環境感知系統中，周圍環境的語義分割是重要的組成部分，為移動機器人的決策控制系統提供對其所處環境的語義理解信息。相比于2D圖像傳感器，3D傳感器(如激光雷達)可以提供更豐富的空間幾何結構信息，更有助于移動機器人理解其所處的三維空間。因而隨著3D傳感器的快速發展，3D點云的語義分割近年來倍受學術界和工業界關注，信息量大但可以詳實地描述空間環境的大規模點云的語義分割更是倍受研究者關注的計算機視覺問題。

由于3D點云信息的無結構與無序性，點云的語義分割是一個很有挑戰性的任務，尤其是對于大規模點云的語義分割。近年來，大量基于深度神經網絡(Deep NeuralNetwork，DNN)的方法被用于點云的語義分割。現有的點云語義分割方法主要可以分為三類：基于空間投影的方法、基于空間離散化的方法和基于點處理的方法。基于空間投影的方法首先將3D點云投影至2D平面，然后利用2D語義分割方法實現分割，最后將2D分割結果反投影至3D空間。這類方法在投影過程中不可避免地存在信息丟失，而關鍵性細節信息的丟失不利于感知系統對環境的準確理解。基于空間離散化的方法首先將3D點云離散化為體素形式，進而基于體素進行后續的語義分割。這類方法存在離散化誤差，最終的語義分割精度以及對環境的理解準確度受離散化程度的影響。同時，以上兩類方法均需要額外的復雜點云空間處理步驟，如投影和離散化，其較高的計算復雜度使其無法處理大規模點云。因此，如何從大規模點云中提取更有效的特征是阻礙其在保證效率的前提下提升分割精度的關鍵問題。

發明內容

為了解決現有技術中的上述問題，即為了提高語義分割精度，本發明的目的在于提供一種大規模點云語義分割方法及系統。

為解決上述技術問題，本發明提供了如下方案：

一種大規模點云語義分割方法，所述語義分割方法包括：

提取待識別點云的逐點特征，所述待識別點云由多個待識別點構成；

基于各待識別點的點云空間信息，將各逐點特征逐步編碼，得到對應的點云特征；

將各點云特征逐步解碼，得到對應的解碼特征；

根據各解碼特征，基于語義分割網絡模型，確定所述待識別3D點云的語義分割預測結果。

可選地，所述基于各待識別點的點云空間信息，將各逐點特征逐步編碼，得到對應的點云特征，具體包括：

對各待識別點進行點云降采樣處理，得到多個降采樣點；

從各逐點特征中篩選出所述降采樣點對應的特征，篩選出的特征為已學得特征；

針對每個降采樣點，根據所述降采樣點的點云空間信息及對應的已學得特征，確定對應的局部空間特征；

根據所述降采樣點的點云空間信息，確定對應的全局空間上下文特征；

根據所述降采樣點的局部空間特征及全局空間上下文特征，確定對應的空間上下文特征，所述降采樣點的空間上下文特征為點云特征。