[发明专利]一种基于PointNet的点云实例分割方法及系统

说明书

本发明公开了一种基于PointNet的点云实例分割方法及系统，点云数据预处理模块进行分块、采样、平移和归一化操作；PointNet神经网络训练模块通过PointNet神经网络，提取点云特征矩阵；矩阵计算模块，包括训练相似网络、置信网络和语义分割网络，通过三个网络分支提取点云特征的相似矩阵、置信度矩阵和语义分割矩阵；聚类合并模块确定有效的分割实例组后，进行去噪去重操作，完成实例物体得分割。本发明可有效的对室内场景的点云数据进行实例分割，为场景理解提供了可参考的解决方法。

技术领域

本发明涉及点云分割技术，特别涉及一种基于PointNet的点云实例分割方法及系统。

背景技术

点云分割即根据空间、几何和纹理等特征将点云分为多个同质区域，使得同一划分内的点云拥有相似的特征，是许多应用的前提。点云分割分为两种：语义分割和实例分割，其中点云语义分割是给场景中的每个点打上语义标签，指出这个点是桌子还是椅子。而点云实例分割是在语义分割的基础上，把每个不同的物体分割出来，指出这个点是椅子1还是椅子2，是三维重建、场景理解和目标识别跟踪等各项任务处理的基础。目前，点云实例分割多通过对体素化三维数据进行卷积完成分割，由于进行了体素操作，处理的数据量大，时间和空间复杂度高，此外由于仅使用了部分几何结构信息，分割的准确率较低。

发明内容

本发明的目的在于提供一种基于PointNet的点云实例分割方法及系统。

实现本发明目的的技术解决方案为：一种基于PointNet的点云实例分割方法，包括如下步骤：

步骤1、进行点云数据预处理，包括分块、采样、平移和归一化操作；

步骤2、训练PointNet神经网络，提取点云特征矩阵；

步骤3、训练相似网络、置信网络和语义分割网络，确定特征矩阵的相似矩阵、置信度矩阵和语义分割矩阵；

步骤4、根据相似网络和置信网络确定有效的分割实例组，去噪去重后得到完整的分割实例物体。

一种基于PointNet的点云实例分割系统，包括：

点云数据预处理模块，用于分块、采样、平移和归一化操作；

PointNet神经网络训练模块，用于训练PointNet神经网络，提取点云特征矩阵；

矩阵计算模块，包括训练相似网络、置信网络和语义分割网络，用于提取点云特征的相似矩阵、置信度矩阵和语义分割矩阵；

聚类合并模块，用于确定有效的分割实例组，通过去噪去重操作完成实例物体得分割完成实例物体得分割。

本发明与现有技术相比，其显著优点为：在PointNet神经网络基础上设计了三个分支网络结构，通过训练网络获得每个点的实例标签，提高了点云实例分割的精度。

附图说明

图1为本发明基于PointNet的点云实例分割系统的工作流程图。

图2为本发明数据处理模块的工作流程图。

图3为PointNet神经网络的结构示意图。

图4为本发明矩阵计算模块的工作流程图。

具体实施方式

下面结合附图和具体实施例，进一步说明本发明方案。

本发明在PointNet神经网络的基础上设计了三个分支网络结构，通过计算相应的属性矩阵获得每个点的实例标签，提高了点云实例分割的精度，包括数据处理模块、特征提取模块、矩阵计算模块和聚类合并模块，具体工作步骤如下：

步骤1、数据处理模块完成点云数据预处理，包括分块、采样、平移和归一化四个步骤，如2所示，具体流程如下：