[发明专利]点云数据处理方法、装置、计算机设备和存储介质

权利要求书

1.一种点云数据处理方法，其特征在于，所述方法包括：

获取点云数据，并对所述点云数据中的各数据点构建对应的邻域点云；

计算所述邻域点云和预构建的核点云之间的豪斯多夫距离，得到距离矩阵；

在进行卷积计算的过程中，针对编码器中的首层豪斯多夫卷积层，将所述邻域点云作为输入特征与所述距离矩阵和网络权重矩阵进行卷积计算，得到输出特征；

针对所述编码器中的非首层豪斯多夫卷积层，将当前非首层豪斯多夫卷积层的上一层豪斯多夫卷积层的输出特征作为本层输入特征，与所述距离矩阵和网络权重矩阵进行卷积计算，得到输出特征；若所述当前非首层豪斯多夫卷积层为末层豪斯多夫卷积层时，将所述末层豪斯多夫卷积层的输出特征作为高维点云特征；所述编码器和解码器是深度学习网络中的两个部分；

通过所述解码器对所述高维点云特征进行特征降维，以使分类器根据降维所得的目标点云特征对所述点云数据进行语义分类。

2.根据权利要求1所述的方法，其特征在于，所述对所述点云数据中的各数据点构建对应的邻域点云包括：

从所述点云数据的数据点中选取查询点；

在所述点云数据的数据点中，提取与所述查询点的距离小于查询半径的目标数据点；

根据所述目标数据点构建所述查询点对应的邻域点云。

3.根据权利要求1所述的方法，其特征在于，所述豪斯多夫距离包括第一最短距离与第二最短距离；所述计算所述邻域点云和预构建的核点云之间的豪斯多夫距离，得到距离矩阵包括：

分别计算所述邻域点云中每个数据点与所述核点云间的第一最短距离，并由各所述第一最短距离组成第一最短距离集合；

分别计算所述核点云中每个数据点与所述邻域点云间的第二最短距离，并由各所述第二最短距离组成第二最短距离集合；

根据所述第一最短距离集合以及所述第二最短距离集合计算得到所述距离矩阵。

4.根据权利要求1所述的方法，其特征在于，所述计算所述邻域点云和预构建的核点云之间的豪斯多夫距离之前，所述方法还包括：

创建球形区域，并在所述球形区域内构建三维参数模型；

通过最远点算法对所述三维参数模型进行采样，构建出所述核点云。

5.根据权利要求1所述的方法，其特征在于，所述计算所述邻域点云和预构建的核点云之间的豪斯多夫距离，得到距离矩阵之后，所述方法还包括：

计算所述距离矩阵的非零元素与查询半径的比值；

根据所述比值计算得到归一化的距离矩阵；

所述通过编码器中的豪斯多夫卷积层对所述邻域点云、所述距离矩阵和网络权重矩阵进行卷积计算包括：

通过编码器中的豪斯多夫卷积层对所述邻域点云、所述归一化的距离矩阵和网络权重矩阵进行卷积计算。

6.根据权利要求1所述的方法，其特征在于，所述编码器中的豪斯多夫卷积层包括多核豪斯多夫卷积子层，所述多核豪斯多夫卷积子层中的每个子层对应不同的所述距离矩阵；所述通过编码器中的豪斯多夫卷积层对所述邻域点云、所述距离矩阵和网络权重矩阵进行卷积计算，得到高维点云特征包括：

通过所述多核豪斯多夫卷积子层中的各子层对所述邻域点云、网络权重矩阵和各所述子层对应的距离矩阵进行卷积计算，得到各所述子层的点云特征；

将各所述子层的点云特征进行融合，得到高维点云特征。