[发明专利]一种3D点云语义分割的方法、装置及系统

权利要求书

1.一种3D点云语义分割的方法，其特征在于，包括：

分别获取待检测的RGB图像及与所述RGB图像对应的第一3D点云，采用预训练模型对所述RGB图像中的物体进行检测与判断，确定检测到的物体是否为指定类型物体，其中，所述预训练模型为根据快速区域卷积神经网络Faster R-CNN生成的目标检测模型；

若是指定类型物体，则从所述第一3D点云中获取第二3D点云，并移除所述第二3D点云中的地面点云，其中，所述第二3D点云与所述RGB图像中所述检测到的物体的目标检测框对应；

对所述移除地面点云后的第二3D点云进行3D聚类，获取点云片集合，其中，所述点云片集合包括至少一个点云片，所述点云片表示不同类型的物体的3D点云；

确定所述检测到的物体的3D点云所含点数的最大值和最小值，从所述点云片集合中过滤出包含点数在所述最大值和最小值之间的目标点云片；

从所述目标点云片中获取所含点数最多的点云片，确定所述所含点数最多的点云片为所述检测到的物体的3D语义点云。

2.如权利要求1所述的方法，其特征在于，分别获取待检测的RGB图像及与所述RGB图像对应的第一3D点云之前，还包括：

获取预训练模型的样本RGB图像集，其中，所述样本RGB图像集包括至少一个样本RGB图像；

在所述样本RGB图像集的样本RGB图像中标注指定类型物体，生成样本数据集；

利用所述样本数据集训练Faster R-CNN，生成所述预训练模型。

3.如权利要求1所述的方法，其特征在于，移除所述第二3D点云中的地面点云，包括：

对所述第二3D点云进行中值滤波以及体素化处理；

根据地面方程，确定所述中值滤波以及体素化处理后的第二3D点云中的地面点云；

将所述地面点云从所述中值滤波以及体素化处理后的第二3D点云中移除。

4.如权利要求3所述的方法，其特征在于，对所述移除地面点云后的第二3D点云进行3D聚类，获取点云片集合，包括：

根据所述移除地面点云后的第二3D点云中第一点的3D邻域球，将在所述3D邻域球中的点加入所述第一点对应的点云片，其中，所述3D邻域球是以所述第一点为球心，预设阈值为半径的球；

直到所述第一点对应的点云片中的任一点的3D邻域球中的点都已加入所述第一点对应的点云片，获取所述第一点对应的点云片；

根据所述移除地面点云后的第二3D点云中第二点的3D邻域球，获取第二点对应的点云片，其中，所述第二点是除所述第一点对应的点云片中的点外的任一点；

直到所述移除地面点云后的第二3D点云中任一点都已加入对应的点云片，获取点云片集合。

5.如权利要求1或4所述的方法，其特征在于，确定所述检测到的物体的3D点云所含点数的最大值和最小值，包括：

根据所述检测到的物体的几何尺寸，建立所述检测到的物体的几何模型；

根据所述几何模型以及3D点云中点的大小，获取所述检测到的物体的3D点云所含点数的最大值和最小值。