[发明专利]点云数据的处理方法、装置及电子设备

权利要求书

1.一种点云数据的处理方法，其特征在于，包括：

获取原始点云数据集，其中，所述原始点云数据集为3D传感器感知周围环境后生成的；

对于所述原始点云数据集进行下述卷积操作：

提取所述点云数据集中的每个点的特征信息，其中，所述特征信息包括每个点的类别，每个点相对于目标中心的偏移向量，以及，每个点对所述偏移向量的不确定参数；

对所述原始点云数据集进行采样处理，以生成所述原始点云数据集的关键点集；

对于所述关键点集中的每个关键点，均执行以下过程：根据所述特征信息计算所述原始点云数据集中所有的点到该关键点的高斯距离；基于所述高斯距离确定该关键点的相邻点集；对所述相邻点集进行特征聚合，生成该关键点对应的特征点，以通过所述特征聚合的方式对所述相邻点集进行压缩；

统计每个所述关键点对应的特征点，生成所述原始点云数据集的特征点集。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述特征点集确定为所述卷积操作的输入点集；

循环执行所述卷积操作，直至所述卷积操作的执行次数达到预设的次数阈值结束；

将所述卷积操作结束时对应的特征点集确定为目标点集，以对目标进行检测处理。

3.根据权利要求1所述的方法，其特征在于，基于所述高斯距离确定该关键点的相邻点集的步骤包括：

将所述高斯距离大于预设距离阈值的点确定为该关键点的相邻点；

将所述相邻点加入到该关键点的相邻点集，以生成该关键点的相邻点集。

4.根据权利要求1所述的方法，其特征在于，提取所述点云数据集中的每个点的特征信息的步骤包括：

将所述原始点云数据集输入至预先训练完成的特征提取神经网络，通过所述特征提取神经网络输出所述点云数据集中的每个点的特征信息。

5.根据权利要求1所述的方法，其特征在于，对所述原始点云数据集进行采样处理，以生成所述原始点云数据集的关键点集的步骤包括：

获取预设的采样算法；

通过所述采样算法提取所述原始点云数据集中包括的多个关键点；

将多个所述关键点确定为所述关键点集中的点，以生成所述关键点集；

其中，所述关键点为所述卷积操作的卷积中心位置对应的点。

6.根据权利要求1所述的方法，其特征在于，对所述相邻点集进行特征聚合，生成该关键点对应的特征点的步骤包括：

将所述相邻点集输入至预先训练好的特征聚合网络；

通过所述特征聚合网络对所述相邻点集进行特征聚合，以输出该关键点对应的特征点。

7.一种点云数据的处理装置，其特征在于，包括：

获取模块，用于获取原始点云数据集，其中，所述原始点云数据集为3D传感器感知周围环境后生成的；

卷积模块，用于对于所述原始点云数据集进行卷积操作：

其中，所述卷积模块包括：

提取单元，用于提取所述点云数据集中的每个点的特征信息，其中，所述特征信息包括每个点的类别，每个点相对于目标中心的偏移向量，以及，每个点对所述偏移向量的不确定参数；

采样单元，用于对所述原始点云数据集进行采样处理，以生成所述原始点云数据集的关键点集；

特征聚合单元，用于对于所述关键点集中的每个关键点，均执行以下过程：根据所述特征信息计算所述原始点云数据集中所有的点到该关键点的高斯距离；基于所述高斯距离确定该关键点的相邻点集；对所述相邻点集进行特征聚合，生成该关键点对应的特征点，以通过所述特征聚合的方式对所述相邻点集进行压缩；

统计单元，用于统计每个所述关键点对应的特征点，生成所述原始点云数据集的特征点集。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

循环模块，用于将所述特征点集确定为所述卷积操作的输入点集；循环执行所述卷积操作，直至所述卷积操作的执行次数达到预设的次数阈值结束；将所述卷积操作结束时对应的特征点集确定为目标点集，以对目标进行检测处理。