[发明专利]用于从点云中动态选择特征相关点的深度神经网络的方法和系统

权利要求书

1.一种方法，其特征在于，包括：

接收布置在点-特征矩阵中的多个多维特征向量，其中，所述点-特征矩阵中每一行对应于一个相应多维特征向量，所述点-特征矩阵中每一列对应于相应的特征，每个多维特征向量代表点云中的相应无序数据点，每个多维特征向量包括相应的多个特征相关值，每个特征相关值代表相应的特征的相关程度；

生成具有选定的多个特征相关向量的最大缩减矩阵，其中，所述最大缩减矩阵中每一行对应于一个相应的所述特征相关向量，所述最大缩减矩阵中每一列对应于相应的特征；

其中，对于每个相应的特征，在所述点-特征矩阵中识别具有与所述相应的特征相关联的最大特征相关值的相应多维特征向量，从而来选择所述特征相关向量；

输出所述最大缩减矩阵，以供深度神经网络的最终卷积层处理。

2.根据权利要求1所述的方法，其特征在于，所述生成包括：

生成包含多个所述识别的多维特征向量的多个行索引的索引向量；

对所述索引向量中的行索引进行采样一直达到所需数目，从而生成采样索引向量；

使用所述采样索引向量中包含的行索引生成所述最大缩减矩阵。

3.根据权利要求2所述的方法，其特征在于，所述采样是确定性的，还包括：

在所述采样之前，以升序对所述索引向量中包含的行索引进行排序。

4.根据权利要求2或3所述的方法，其特征在于，为了批处理不同的各个点云，预定义所述所需数目。

5.根据权利要求1至4中的任意一项所述的方法，其特征在于，在所述点-特征矩阵中的至少两个识别的相应多维特征向量是相同的并且对应于同一个数据点，所述方法还包括：

对于与所述同一个数据点相对应的至少两个识别的相应多维特征向量，所述生成还包括：

选择与至少一个识别的相应多维特征向量相关联的唯一相应行索引；

生成包括多个唯一相应行索引的唯一索引向量，其中，所述多个唯一相应行索引分别对应于不同的相应点；

基于所述唯一索引向量，生成具有选定的多个特征相关向量的最大缩减矩阵，其中，所述选定的特征相关向量各不相同。

6.根据权利要求1至5中任意一项所述的方法，其特征在于，所述输出所述最大缩减矩阵包括：

将所述最大缩减矩阵作为所述最终卷积层的输入，其中，所述卷积层对所述特征相关向量执行特征提取，以获得每个特征相关向量中所需数量的表示特征；

将所述最终卷积层的输出提供给深度神经网络的对象分类子系统，以对所述选定的多个特征相关向量进行分类。

7.根据权利要求1至6任意一项所述的方法，其特征在于，所述接收包括：

接收所述点云的多个无序数据点；

对所述接收到的无序数据点进行初步的空间变换和滤波，从而生成多个变换后的数据；

将所述多个变换后的数据提供给深度神经网络的特征提取子系统的卷积层，从而生成多个多维特征向量。

8.根据权利要求1至7中任意一项所述的方法，其特征在于，所述多个无序数据点是由LIDAR传感器或红绿蓝深度RGB-D相机捕获的。