[发明专利]一种激光点云数据的识别方法、装置、设备和介质

权利要求书

1.一种激光点云数据的识别方法，其特征在于，包括：

将待测激光点云数据的原始数据点，输入点云深度学习模型；

从所述点云深度学习模型输出各个数据点的类别信息；

根据具有类别信息的待测激光点云数据，进行障碍物识别处理。

2.根据权利要求1所述的方法，其特征在于，所述原始数据点至少包括数据点的空间坐标值。

3.根据权利要求1或2所述的方法，其特征在于，在将激光点云数据的原始数据点，输入点云深度学习模型之前，还包括：

标注过类别信息的样本激光点云数据输入点云深度学习模型进行训练，其中，点云深度学习模型的输入数据包括每个数据点的原始数据点和每个数据点的类别信息。

4.根据权利要求3所述的方法，其特征在于，所述类别信息包括障碍物类型。

5.根据权利要求3所述的方法，其特征在于，所述点云深度学习模型为神经网络模型。

6.根据权利要求1所述的方法，其特征在于，从所述点云深度学习模型获取各个数据点的类别信息之后，还包括：

根据所述类别信息配置所述数据点所呈现的颜色值，将呈现不同颜色的三维激光点云数据进行三维渲染显示，其中，不同颜色的数据点代表不同障碍物类别。

7.一种激光点云数据的识别装置，其特征在于，包括：

数据输入模块，用于将待测激光点云数据的原始数据点，输入点云深度学习模型；

类别信息获取模块，用于从所述点云深度学习模型输出各个数据点的类别信息；

障碍物识别模块，用于根据具有类别信息的待测激光点云数据，进行障碍物识别处理。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

点云深度学习模型训练模块，用于在将激光点云数据的原始数据点，输入点云深度学习模型之前，将标注过类别信息的样本激光点云数据输入点云深度学习模型进行训练，其中，点云深度学习模型的输入数据包括每个数据点的原始数据点和每个数据点的类别信息。

9.一种计算机设备，其特征在于，所述计算机设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的激光点云数据的识别方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的激光点云数据的识别方法。