[发明专利]应用于点云分析模型的局部中心最近点采样方法及装置

权利要求书

1.一种应用于点云分析模型的局部中心最近点采样方法，其特征在于，包括：

在Set abstract层对输入点云矩阵采用最远点采样法生成多个局部区域的中心点；

通过最近点采样法生成所述输入点云矩阵的局部空间并计算所述局部空间中的每个局部点以及中心点的相关性特征；

将所述相关性特征与所述输入点云矩阵的局部特征进行通道上的融合，得到点云局部空间特征矩阵；

将所述点云局部空间特征矩阵作为多层感知器的输入，进行局部Max Pooling得到全局特征；

在最后一层Set abstract层将上一层Set abstract层的点云矩阵作为多层感知器的输入，进行全局Max Pooling得到输出特征矩阵。

2.根据权利要求1所述的应用于点云分析模型的局部中心最近点采样方法，其特征在于，所述相关性特征包括：欧氏距离、坐标差、局部点坐标以及中心点坐标。

3.一种基于点云分析模型的分类方法，其特征在于，包括：

通过最远点采样法对待分类物体的点云矩阵进行降采样；

对降采样后的点云矩阵进行预处理；

将预处理后的点云矩阵作为点云分析模型的输入点云矩阵，得到输出特征矩阵，将所述输出特征矩阵展平输入至全连接层，得到所述待分类物体的类别概率；

其中，所述点云分析模型中应用有权利要求1或2任意一项所述的局部中心最近点采样方法。

4.根据权利要求3所述的基于点云分析模型的分类方法，其特征在于，所述将所述输出特征矩阵展平输入至全连接层，得到所述待分类物体的类别概率之后还包括：

重新计算所述待分类物体的类别概率，得到预设数量的所述待分类物体的类别概率；

累加并取所述预设数量的待分类物体的类别概率的平均值，将所述平均值最高的一类作为所述待分类物体的预测类别结果。

5.根据权利要求3所述的基于点云分析模型的分类方法，其特征在于，所述预处理包括随机旋转处理以及随机平移处理。

6.一种应用于点云分析模型的局部中心最近点采样装置，其特征在于，包括：

第一采样单元，用于在Set abstract层对输入点云矩阵采用最远点采样法生成多个局部区域的中心点；

第二采样单元，用于通过最近点采样法生成所述输入点云矩阵的局部空间并计算所述局部空间中的每个局部点以及中心点的相关性特征；

融合单元，用于将所述相关性特征与所述输入点云矩阵的局部特征进行通道上的融合，得到点云局部空间特征矩阵；

卷积单元，用于将所述点云局部空间特征矩阵作为多层感知器的输入，进行局部MaxPooling得到全局特征；

输出端元，用于在最后一层Set abstract层将上一层Set abstract层的点云矩阵作为多层感知器的输入，进行全局Max Pooling得到输出特征矩阵。

7.根据权利要求6所述的应用于点云分析模型的局部中心最近点采样装置，其特征在于，所述相关性特征包括：欧氏距离、坐标差、局部点坐标以及中心点坐标。

8.一种基于点云分析模型的分类装置，其特征在于，包括：

降采样单元，用于通过最远点采样法对待分类物体的点云矩阵进行降采样；

预处理单元，用于对降采样后的点云矩阵进行预处理；

预测单元，用于将预处理后的点云矩阵作为点云分析模型的输入点云矩阵，得到输出特征矩阵，将所述输出特征矩阵展平输入至全连接层，得到所述待分类物体的类别概率；

其中，所述点云分析模型中应用有权利要求1或2任意一项所述的局部中心最近点采样装置。

9.根据权利要求8所述的基于点云分析模型的分类装置，其特征在于，所述预测单元还用于：

重新计算所述待分类物体的类别概率，得到预设数量的所述待分类物体的类别概率；

累加并取所述预设数量的待分类物体的类别概率的平均值，将所述平均值最高的一类作为所述待分类物体的预测类别结果。

10.根据权利要求8所述的基于点云分析模型的分类装置，其特征在于，所述预处理包括随机旋转处理以及随机平移处理。