[发明专利]一种三维模型的特征提取方法和装置

权利要求书

1.一种三维模型的特征提取方法，其特征在于，该特征提取方法包括：

对三维模型进行预处理获得原始点云数据；

将所述原始点云数据作为预先构建的神经网络的输入，获取所述三维模型融合有局部特征的全局特征。

2.根据权利要求1所述三维模型的特征提取方法，其特征在于，所述对三维模型进行预处理获得原始点云数据，包括：

将所述三维模型的所有点坐标进行归一化到预设区间内。

将所述三维模型沿预设坐标轴进行随机角度的旋转；

对所述三维模型增加均值为0、标准差为预设数值的高斯噪声。

3.根据权利要求1所述三维模型的特征提取方法，其特征在于，将所述原始点云数据作为预先构建的神经网络的输入，获取所述三维模型融合有局部特征的全局特征，包括：

以所述原始点云数据为输入，在预先构建的神经网络中所述原始点云数据经过差异性对称函数处理和姿态转换网络处理分别获得第一局部特征和第二局部特征；

将所述第一局部特征与所述第二局部特征整合得到所述三维模型的全局特征。

4.根据权利要求3所述三维模型的特征提取方法，其特征在于，以所述原始点云数据为输入，在预先构建的神经网络中所述原始点云数据经过差异性对称函数处理和姿态转换网络处理分别获得第一局部特征和第二局部特征，包括：

以所述原始点云数据为输入，经过仿射变换获得仿射点云数据；

所述仿射点云数据经过至少一个卷积层运算后进行特征变换；

对特征变换后的数据经过差异性对称函数处理获得第一局部特征；

所述仿射点云数据经过姿态转换网络处理获得第二局部特征。

5.根据权利要求4所述三维模型的特征提取方法，其特征在于，所述差异性对称函数中一个卷积层运算结果输入到所述姿态转换网络的一个卷积层。

6.一种三维模型的特征提取装置，其特征在于，该特征提取装置包括：预处理模块和特征获取模块，其中，

所述预处理模块，用于对三维模型进行预处理获得原始点云数据；

所述特征获取模块，用于将所述原始点云数据作为预先构建的神经网络的输入，获取所述三维模型融合有局部特征的全局特征。

7.根据权利要求6所述三维模型的特征提取装置，其特征在于，所述预处理模块包括归一化单元、旋转单元和加噪单元，其中，

所述归一化单元，用于将所述三维模型的所有点坐标进行归一化到预设区间内。

所述旋转单元，用于将所述三维模型沿预设坐标轴进行随机角度的旋转；

所述加噪单元，用于对所述三维模型增加均值为0、标准差为预设数值的高斯噪声。

8.根据权利要求6所述三维模型的特征提取装置，其特征在于，所述特征获取模块包括：局部获取单元和整合特征单元，其中，

所述局部获取单元，用于以所述原始点云数据为输入，在预先构建的神经网络中所述原始点云数据经过差异性对称函数处理和姿态转换网络处理分别获得第一局部特征和第二局部特征；

所述整合特征单元，用于将所述第一局部特征与所述第二局部特征整合得到所述三维模型的全局特征。

9.根据权利要求8所述三维模型的特征提取装置，其特征在于，所述局部获取单元包括：仿射变换子单元、特征变换子单元、差异性对称函数子单元和姿态转换网络子单元，其中，

所述仿射变换子单元，用于以所述原始点云数据为输入，经过仿射变换获得仿射点云数据；

所述特征变换子单元，用于所述仿射点云数据经过至少一个卷积层运算后进行特征变换；

所述差异性对称函数子单元，用于对特征变换后的数据经过差异性对称函数处理获得第一局部特征；

所述姿态转换网络子单元，用于所述仿射点云数据经过姿态转换网络处理获得第二局部特征。

10.根据权利要求9所述三维模型的特征提取装置，其特征在于，所述差异性对称函数中一个卷积层运算结果输入到所述姿态转换网络的一个卷积层。