[发明专利]一种基于旋转的点云数据的处理方法、装置及终端设备

权利要求书

1.一种基于旋转的点云数据的特征处理方法，其特征在于，包括如下步骤：

获取目标点云数据；

利用旋转映射模块从所述目标点云数据中提取旋转不变特征；

利用多个聚类模块对所述旋转不变特征进行多维特征处理，所述多个聚类模块依次按照由大至小的聚类数目顺序连接；

利用分类器模块将所述多维特征处理后的所述旋转不变特征进行分类，得到所述旋转不变特征的分类结果；

其中，所述利用多个聚类模块对所述旋转不变特征进行多维特征处理，所述多个聚类模块依次按照由大至小的聚类数目顺序连接的步骤还包括：

将所述旋转不变特征依次输入至第一聚类模块、第二聚类模块和第三聚类模块进行聚类处理得到多维的所述旋转不变特征，所述第一聚类模块的聚类数目大于第二聚类模块的聚类数目，所述第二聚类模块的聚类数目大于第三聚类模块的聚类数目；

所述第一聚类模块、所述第二聚类模块和所述第三聚类模块进行聚类处理的步骤还包括：

构建所述旋转不变特征的K最邻近图；

建立具有多层感知机的第二神经网络模型；

将所述旋转不变特征的K最邻近图输入至所述第二神经网络模型训练得到多维的所述旋转不变特征；

将所述多维的所述旋转不变特征进行池化处理。

2.根据权利要求1所述的基于旋转的点云数据的特征处理方法，其特征在于，所述利用旋转映射模块从所述目标点云数据中提取旋转不变特征的步骤还包括：

利用K最邻近算法将所述目标点云数据从第一维空间变换至第二维空间；

建立具有多层感知机的第一神经网络模型；

将变换至所述第二维空间的所述目标点云数据输入至所述第一神经网络模型训练得到所述旋转不变特征。

3.根据权利要求2所述的基于旋转的点云数据的特征处理方法，其特征在于，所述将变换至所述第二维空间的所述目标点云数据输入至所述第一神经网络模型训练得到所述旋转不变特征的步骤还包括：

将所述旋转不变特征进行池化处理。

4.一种基于旋转的点云数据的特征处理装置，其特征在于，包括：

获取单元，用于获取目标点云数据；

提取单元，用于利用旋转映射模块从所述目标点云数据中提取旋转不变特征；

多维处理单元，用于利用多个聚类模块对所述旋转不变特征进行多维特征处理，所述多个聚类模块依次按照由大至小的聚类数目顺序连接；

分类单元，用于利用分类器模块将所述多维特征处理后的所述旋转不变特征进行分类，得到所述旋转不变特征的分类结果；

所述多维处理单元还包括：

聚类处理子单元，用于将旋转不变特征依次输入至第一聚类模块、第二聚类模块和第三聚类模块进行聚类处理得到多维的旋转不变特征，第一聚类模块的聚类数目大于第二聚类模块的聚类数目，第二聚类模块的聚类数目大于第三聚类模块的聚类数目；

所述聚类处理子单元中还包括：

构建模块，用于构建旋转不变特征的K最邻近图；

建立模块，用于建立具有多层感知机的第二神经网络模型；

训练模块，用于将旋转不变特征的K最邻近图输入至第二神经网络模型训练得到多维的旋转不变特征；

池化模块，用于将多维的旋转不变特征进行池化处理。

5.根据权利要求4所述的基于旋转的点云数据的特征处理装置，其特征在于，所述提取单元还包括：

变换子单元，用于利用K最邻近算法将所述目标点云数据从第一维空间变换至第二维空间；

建立子单元，用于建立具有多层感知机的第一神经网络模型；

训练子单元，用于将变换至所述第二维空间的所述目标点云数据输入至所述第一神经网络模型训练得到所述旋转不变特征。

6.一种存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-3任一项所述的基于旋转的点云数据的特征处理方法的步骤。

7.一种终端设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-3任一项基于旋转的点云数据的特征处理方法的步骤。