[发明专利]一种点云分类方法及终端

说明书

本发明公开一种点云分类方法及终端，其中方法包括：利用通过已知类型的点云数据学习得到的分类模型，对待分类的点云数据进行分类处理，获得分类结果；在依据分类结果确定待分类的点云数据包含分类模型无法准确分类的第一点云数据的情况下，获取第一点云数据的第一类型；利用第一点云数据和第一类型、第二点云数据和第二类型，更新分类模型；利用更新后的分类模型，对待分类的点云数据进行分类处理，获得分类结果。这样，终端不需要预先通过大量数据学习分类规则，只需要根据已知类型的点云数据学习得到分类模型，即可将分类模型用来将点云数据分类，在检测到新类型点时，学习新类型点的特征并更新分类模型，提高了点云分类的普适性及可维护性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种点云分类方法及终端。

背景技术

随着数据处理技术的发展，点云分类方法的应用也较为普遍。现有点云分类方法一般为基于规则算法的方法，其规则算法主要是依靠待识别物体的几何、密度、反射率特征以及不同待识别物体间空间拓扑关系。而部分基于学习方法的点云分类方法，则是将点云划分为一定大小的体素，通过计算每个体素的一些特征，构成特征向量，然后通过学习方法进行逐体素分类。现有方案需要以一定规则为前提，对于算法设计前未考虑到的情况，普适性较差。在面对现有算法无法分类的新类型的点云时，需要更改甚至重构算法以适配新类型的分类目标，可维护性较差。

可见，现有的点云分类方法存在普适性及可维护性较差的技术问题。

发明内容

本发明实施例提供一种点云分类方法及终端，以解决现有点云分类方法存在普适性及可维护性较差的技术问题。

为了达到上述目的，本发明提供的具体方案如下：

第一方面，本发明实施例提供了一种点云分类方法，包括：

利用通过已知类型的点云数据学习得到的分类模型，对待分类的点云数据进行分类处理，获得分类结果；

在依据所述分类结果确定所述待分类的点云数据包含所述分类模型无法准确分类的第一点云数据的情况下，获取所述第一点云数据的第一类型；

利用所述第一点云数据和所述第一类型、第二点云数据和第二类型，更新所述分类模型，其中，所述第二点云数据为所述分类模型能够准确分类的点云数据，所述第二类型为所述第二点云数据所属的类型；

利用更新后的所述分类模型，对所述待分类的点云数据进行分类处理，获得分类结果。

可选的，所述对待分类的点云数据进行分类处理的步骤之前，所述方法还包括：

接收已知类型的点云数据，其中，所述已知类型的点云数据包括至少两个数据子集，每个数据子集内的点对应一个类型；

学习所述至少两个数据子集内的点的特征，得到所述分类模型。

可选的，所述学习所述至少两个数据子集内的点的特征，得到所述分类模型的步骤，包括：

将所述至少两个数据子集及对应的类型标签输入预先设计好的深度神经网络，经过训练，得到所述分类模型。

可选的，所述利用所述第一点云数据和所述第一类型、第二点云数据和第二类型，更新所述分类模型的步骤，包括：

将所述第一点云数据内的点及对应的第一类型，以及所述第二点云数据和第二类型均输入到加载了所述分类模型的深度神经网络，经过训练，更新所述分类模型。

可选的，所述将所述第一点云数据内的点及对应的第一类型，以及所述第二点云数据和第二类型均输入到加载了所述分类模型的深度神经网络，经过训练，更新所述分类模型的步骤，包括：

接收所述第一点云数据，其中，所述第一点云数据包括至少一个数据子集，每个数据子集内的点对应一个类型；