[发明专利]一种基于融合体素的三维点云标记方法和装置

权利要求书

1.一种基于融合体素的三维点云标记方法，其特征在于，所述方法包括：

对三维点云数据集进行体素化处理，并基于处理结果在体素内进行体素特征提取形成第一体素特征矩阵；

将所述第一体素特征矩阵作为三维卷积神经网络的输入以计算得到体素的多尺度特征，并对该多尺度特征进行特征串联融合以得到第二体素特征矩阵；

基于特征插值算法将所述第二体素特征矩阵中的体素特征扩展至所述三维点云数据集中的各点中以得到点云特征矩阵；

将所述点云特征矩阵输入多层感知器中以实现对三维点云的属性标记；

基于处理结果在体素内进行点云特征提取形成第一体素特征矩阵的步骤包括：

针对每个体素中的点云计算该点云的中心坐标，并基于该中心坐标对所述体素中的点云数据进行中心归一化处理以得到初始数据矩阵；

将所述初始数据矩阵输入LGAB模块中以实现逐点的局部特征描述，并采用最大值池化对体素内的局部特征集合进行逐点池化操作以得到体素的全局特征并作为第一体素特征矩阵；

基于特征插值算法将所述第二体素特征矩阵中的体素特征扩展至所述三维点云数据集中的各点中的步骤包括：

针对所述三维点云数据集中的每个点分别作为目标点，在由所述第二体素特征矩阵形成的体素空间中搜索与该目标点最近的预设数量的体素作为邻域体素；

对所述邻域体素的体素特征进行扩展计算以得到所述目标点的点云特征。

2.根据权利要求1所述的基于融合体素的三维点云标记方法，其特征在于，对点云进行体素化处理的步骤包括：

按照预设体素尺寸将点云坐标空间划分为多个体素；

按照所述体素的栅格参数将所述三维点云数据集中的各点归类至对应的体素中；

对归类后的各体素中的点进行采样以使得体素中的点的数量达到第一预设值。

3.根据权利要求2所述的基于融合体素的三维点云标记方法，其特征在于，对归类后的各体素中的点进行采样的步骤包括：

若体素中包含的点的数量大于第一预设值，则从当前体素中随机采样第一预设值个点以使该体素中的点的数量达到所述第一预设值；

若体素中包含的点的数量小于第一预设值，则从当前体素中随机选取一个或多个点进行复制以使该体素中的点的数量达到所述第一预设值。

4.根据权利要求1所述的基于融合体素的三维点云标记方法，其特征在于，将所述第一体素特征矩阵作为三维卷积神经网络的输入以计算得到体素的多尺度特征的步骤包括：

将所述体素特征矩阵转换为4维张量，并将该4维张量分别输入具有不同大小的卷积核的三维卷积神经网络中以计算得到不同尺度下的体素特征；

将所述不同尺度下的体素特征分别输入具有不同大小的卷积核的三维反卷积神经网络中以得到多个不同尺度的体素特征，其中，在进行卷积时的各所述三维卷积神经网络的卷积核大小与进行反卷积时的各所述三维反卷积神经网络的卷积核大小对应相同。

5.根据权利要求1所述的基于融合体素的三维点云标记方法，其特征在于，所述目标点p的点云特征F_p为其中，表示根据目标点p与第j个邻域体素中的中心点c_j之间的欧式距离得到的权重参数，F_v^j表示第j个邻域体素的体素特征。

6.根据权利要求1所述的基于融合体素的三维点云标记方法，其特征在于，所述基于融合体素的三维点云标记方法还包括：

将完成属性标记的三维点云输入CRF-RNN网络中进行点云属性标记优化。