[發明專利]一種點云數據識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 202210308663.4
• 申請日: 2022-03-28
• 公開（公告）號: CN114419570B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 詹景麟;劉鐵軍;張晶威;劉丹
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/26;G06V10/44;G06V10/762;G06V10/774;G06V10/764;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王燕

1.一種點云數據識別方法，其特征在于，包括：

獲取單幀點云數據，并將所述單幀點云數據分割為預設數量的局部數據；

將所述局部數據并行輸入至所述預設數量的PointNet++網絡中，以使所述PointNet++網絡提取所述局部數據對應的局部特征；

將所有所述局部數據輸入至ViT網絡中，以使所述ViT網絡提取所述單幀點云數據的全局特征；

融合所述局部特征和所述全局特征得到融合特征，并利用所述融合特征對所述單幀點云數據進行類型識別，以確定所述單幀點云數據中的各個點在多個預設類別中所屬的類別；

其中，所述將所述單幀點云數據分割為預設數量的局部數據，包括：

利用聚類算法將所述單幀點云數據中的數據點劃分至所述預設數量的數據簇中，得到所述局部數據；

對每一所述局部數據包含的數據點數量進行統計；

若所述數據點數量大于預設數據點數量，則對所述數據點數量對應的目標局部數據中的數據點進行隨機移除，直至移除后的數據點數量等于所述預設數據點數量；

若所述數據點數量小于所述預設數據點數量，則在所述目標局部數據中增加新數據點，直至增加后的數據點數量等于所述預設數據點數量。

2.根據權利要求1所述的點云數據識別方法，其特征在于，所述在所述目標局部數據中增加新數據點，包括：

利用插值法及所述目標局部數據中的數據點生成所述新數據點，并將所述新數據點添加至所述目標局部數據中。

3.根據權利要求1所述的點云數據識別方法，其特征在于，所述融合所述局部特征和所述全局特征得到融合特征，包括：

將所述局部特征對應的局部特征向量與所述全局特征對應的全局特征向量進行拼接，得到所述融合特征。

4.根據權利要求1所述的點云數據識別方法，其特征在于，所述PointNet++網絡提取所述局部數據對應的局部特征，包括：

所述PointNet++網絡利用預訓練的轉換矩陣對接收到的局部數據進行對齊，并提取對齊后的局部數據的局部特征。

5.根據權利要求1至4任一項所述的點云數據識別方法，其特征在于，在獲取單幀點云數據之前，還包括：

獲取點云訓練集，并隨機初始化所述PointNet++網絡、所述ViT網絡及所述類型識別過程中所需使用的模型權重；所述點云訓練集中的單幀點云訓練數據標注有對應的實際分類；

將所述點云訓練集中的每一所述單幀點云訓練數據分割為所述預設數量的局部訓練數據；

將所述單幀點云訓練數據對應的局部訓練數據輸入至所述PointNet++網絡和所述ViT網絡，并對所述PointNet++網絡和所述ViT網絡的輸出結果進行融合，得到所述單幀點云訓練數據的融合特征；

利用所述單幀點云訓練數據的融合特征對所述單幀點云訓練數據進行類型識別，并利用得到的預測分類及所述單幀點云訓練數據的實際分類計算損失值；

利用梯度下降法及所述損失值對所述模型權重進行迭代更新，并進入將所述單幀點云訓練數據對應的局部訓練數據輸入至所述PointNet++網絡和所述ViT網絡的步驟，直至迭代次數到達預設上限或所述損失值小于預設閾值。