[发明专利]基于多分辨率融合的点云分割方法和装置

权利要求书

1.一种基于多分辨率融合的点云分割方法，其特征在于，包括以下步骤：

获取待分割图像，通过预测器对所述待分割图像进行点云分割，获取原始点云分割结果；

对所述待分割图像进行降采样，获取低分辨率图像特征；

通过所述预测器对所述低分辨率图像特征进行点云分割，获取低分辨率点云分割结果；

对所述低分辨率点云分割结果进行上采样的优化更新处理，获取与所述原始点云分割结果相同分辨率的目标点云分割结果，并将所述原始点云分割结果和所述目标点云分割结果进行融合处理，并输出点云分割结果。

2.如权利要求1所述的方法，其特征在于，所述对所述低分辨率点云分割结果进行上采样的优化更新处理，获取与所述原始点云分割结果相同分辨率的目标点云分割结果，包括：

分别对所述低分辨率图像特征和所述低分辨率点云分割结果进行插值处理，获取中间分辨率图像特征和中间分辨率点云分割结果；

从所述中间分辨率图像特征中，获取不确定图像特征，并获取所述不确定图像特征对应的不确定预测结果；

将所述中间分辨率点云分割结果、所述不确定预测结果和从所述原始点云分割结果获取的预测结果进行拼接后输入所述预测期，获取更新预测结果，将所述更新预测结果替换所述低分辨率点云分割结果，直到获取与所述原始点云分割结果相同分辨率的目标点云分割结果。

3.如权利要求2所述的方法，其特征在于，所述从所述中间分辨率图像特征中，获取不确定图像特征，包括：

获取所述中间分辨率图像特征中每个特征点对应的置信概率；

根据所述每个特征点对应的置信概率与预设类别概率的差值与阈值比较，确定不确定特征点，根据所述不确定特征点获取所述不确定图像特征。

4.如权利要求1所述的方法，其特征在于，还包括：

通过第一预设器预测低分辨率点云分割训练结果，将所述低分辨率点云分割训练结果与低分辨率训练图像特征、原网络预测训练结果的对应部分拼接在一起，用第二预测器将所有点重新预测一遍，获取重新预测结果；

将所述低分辨率点云分割训练结果和所述重新预测结果分别与真实标签计算交叉熵损失函数，用梯度下降算法进行训练，生成所述预测器。

5.如权利要求2所述的方法，其特征在于，

所述插值处理的方式为三近邻插值或最近邻插值。

6.一种基于多分辨率融合的点云分割装置，其特征在于，包括：

获取预测模块，用于获取待分割图像，通过预测器对所述待分割图像进行点云分割，获取原始点云分割结果；

降采样模块，用于对所述待分割图像进行降采样，获取低分辨率图像特征；

预测模块，用于通过所述预测器对所述低分辨率图像特征进行点云分割，获取低分辨率点云分割结果；

更新模块，用于对所述低分辨率点云分割结果进行上采样的优化更新处理，获取与所述原始点云分割结果相同分辨率的目标点云分割结果；

处理模块，用于将所述原始点云分割结果和所述目标点云分割结果进行融合处理，并输出点云分割结果。

7.如权利要求5所述的装置，其特征在于，所述更新模块，包括：

插值单元，用于分别对所述低分辨率图像特征和所述低分辨率点云分割结果进行插值处理，获取中间分辨率图像特征和中间分辨率点云分割结果；

第一获取单元，用于从所述中间分辨率图像特征中，获取不确定图像特征；

第二获取单元，用于获取所述不确定图像特征对应的不确定预测结果；

处理单元，用于将所述中间分辨率点云分割结果、所述不确定预测结果和从所述原始点云分割结果获取的预测结果进行拼接后输入所述预测期，获取更新预测结果，将所述更新预测结果替换所述低分辨率点云分割结果，直到获取与所述原始点云分割结果相同分辨率的目标点云分割结果。