[发明专利]点云分类方法、装置、设备及存储介质

权利要求书

1.一种点云分类方法，其特征在于，所述方法包括下述步骤：

在三维直角坐标系中，以Z轴为旋转轴，通过预设的旋转扩充方式对训练用点云数据对应的点云进行X方向和Y方向上的扩充；

对所述扩充后的训练用点云数据对应的点云进行点云体素化操作，得到训练用点云体素化数据，获取所述训练用点云体素化数据对应的点云在预设邻域内的训练特征；

获取所述训练用点云体素化数据对应点云对应的体素位置，并在所述点云对应的体素位置填充所述训练特征；

当未达到预设的训练结束条件时，通过特征填充后的训练用点云体素化数据对预设的三维卷积神经网络进行训练，获取训练过程中对所述训练用点云数据对应的点云的分类准确率，直至达到预设的训练结束条件；

当达到预设的训练结束条件时，将所述三维卷积神经网络设置为点云分类网络，将分类准确率最高的训练用点云体素化数据对应点云中填充的训练特征设置为填充特征；

接收点云分类请求，获取所述点云分类请求中的点云数据；

对所述点云数据对应的点云进行点云体素化操作，得到点云体素化数据，获取所述点云体素化数据对应的点云在预设邻域内的填充特征；

获取所述点云体素化数据对应点云对应的体素位置，并在所述点云对应的体素位置填充所述填充特征；

通过预先构建的点云分类网络对特征填充后的点云进行分类，输出所述点云数据对应的点云分类结果。

2.如权利要求1所述的方法，其特征在于，获取所述点云分类请求中的点云数据的步骤之后，对所述点云数据对应的点云进行点云体素化操作的步骤之前，所述方法还包括：

在三维直角坐标系中，以Z轴为旋转轴，通过预设的旋转扩充方式对所述点云数据对应的点云进行X方向和Y方向上的扩充。

3.如权利要求1所述的方法，其特征在于，所述训练特征包括PCA特征和点云的法向特征。

4.如权利要求3所述的方法，其特征在于，计算所述训练用点云体素化数据中的点云在预设邻域内的训练特征的步骤，包括：

对所述训练用点云体素化数据对应的点云的局部邻域的数据矩阵进行PCA分解，得到本征值和对应的本征向量；

根据所述本征值构建所述PCA特征，所述PCA特征包括Surfaceness特征、Linearness特征和Scatterness特征；

对所述得到的本征值进行大小比较，将所述本征值中最小的本征值对应的本征向量设置为所述点云的法向特征。

5.一种点云分类装置，其特征在于，所述装置包括：

训练用点云扩充单元，用于在三维直角坐标系中，以Z轴为旋转轴，通过预设的旋转扩充方式对训练用点云数据对应的点云进行X方向和Y方向上的扩充；

训练特征获取单元，用于对所述扩充后的训练用点云数据对应的点云进行点云体素化操作，得到训练用点云体素化数据，获取所述训练用点云体素化数据对应的点云在预设邻域内的训练特征；

训练特征填充单元，用于获取所述训练用点云体素化数据对应点云对应的体素位置，并在所述点云对应的体素位置填充所述训练特征；

网络训练单元，用于当未达到预设的训练结束条件时，通过特征填充后的训练用点云体素化数据对预设的三维卷积神经网络进行训练，获取训练过程中对所述训练用点云数据对应的点云的分类准确率，直至达到预设的训练结束条件；以及

训练结束单元，用于当达到预设的训练结束条件时，将所述三维卷积神经网络设置为点云分类网络，将分类准确率最高的训练用点云体素化数据对应点云中填充的训练特征设置为填充特征；

点云数据获取单元，用于接收点云分类请求，获取所述点云分类请求中的点云数据；

特征获取单元，用于对所述点云数据对应的点云进行点云体素化操作，得到点云体素化数据，获取所述点云体素化数据对应的点云在预设邻域内的填充特征；

特征填充单元，用于获取所述点云体素化数据对应点云对应的体素位置，并在所述点云对应的体素位置填充所述填充特征；以及

分类结果输出单元，用于通过预先构建的点云分类网络对特征填充后的点云进行分类，输出所述点云数据对应的点云分类结果。