[发明专利]一种标签优化点云实例分割方法

权利要求书

1.一种标签优化点云实例分割方法，其特征在于，所述标签优化点云实例分割方法包括：首先使用图卷积神经网路对点云进行特征提取；然后对于训练集建立实例标签矩阵，再使用标签传播算法将实例标签矩阵进行标签传播，得到优化的实例标签矩阵；最后联合标签矩阵与优化的实例标签矩阵对点云进行实例分割。

2.如权利要求1所述标签优化点云实例分割方法，其特征在于，所述标签优化点云实例分割方法，还包括：

(1)对于点云R＝{x₁，x₂，...，x_n}，有点x_u，利用最近临界点算法计算距离最近的k个点作为其邻接点，计算点云中的所有点的其邻接点；

(2)对于点云R建图，通过步骤(1)所得点云中点与点之间的邻接关系建立点云R的邻接矩阵A；

(3)计算邻接矩阵A的度矩阵D，利用度矩阵和邻接矩阵计算拉普拉斯矩阵L，并对拉普拉斯矩阵L进行归一化处理，得到归一化的拉普拉斯矩阵L^sym；

(4)将归一化的拉普拉斯矩阵L^sym，与点云的特征作为输入，进行图卷积，图卷积网路的一层由一个顶点特征聚合器Max-Pooling函数和顶点特征更新函数MLP与一个ReLU作为激活函数；对归一化的拉普拉斯矩阵L^sym与点云的特征经过两层图卷积网路提取出点云的特征。

3.如权利要求1所述标签优化点云实例分割方法，其特征在于，所述标签矩阵优化方法，包括：

(1)对点云R＝{x₁，x₂，...，x_n}有标签矩阵将点云均匀地分为两部分，记为R₁＝{x₁，x₂，...，x_m}，R₂＝{x_m+1，x_m+2，...，x_n}；

(2)将R₁，R₂两部分点云的标签矩阵进行填充，将R₁对应的标签矩阵填充后半段，R₂对应的标签矩阵填充前半段，填充0向量矩阵至维度与点云R相同，分别记为标签矩阵S和标签矩阵U；

(3)将图卷积网络生成的特征矩阵进行归一化处理得到矩阵L^*，对矩阵L^*进行标签传播，得到矩阵S^*和U^*，对于矩阵S^*取1＜i≤m，对于矩阵U^*取m＜i≤n，并同时计算argmax函数，只留矩阵中的最大值，将得到的矩阵拼接为原标签矩阵纬度相同的矩阵Y^*；

(4)利用标签矩阵Y与标签矩阵Y^*分别计算损失函数，并利用两个损失函数共同监督深度学习。

4.如权利要求3所述标签优化点云实例分割方法，其特征在于，步骤(3)中，所述对矩阵L^*进行标签传播，包括：

S^(t+1)＝αL*S^(t)+(1-α)S⁰；

U^(t+1)＝αL*U^(t)+(1-α)U⁰。