[发明专利]一种3D点云数据分类方法及其相关装置

权利要求书

1.一种3D点云数据分类方法，其特征在于，包括：

提取待分类3D点云数据在若干个方向上的二维图像数据，并将各所述二维图像数据输入到预置分类模型中，所述预置分类模型包括若干个并行的特征提取模块和分类预测模块，所述特征提取模块由卷积层和小波变换层构成；

通过各所述特征提取模块中的卷积层对各所述二维图像进行卷积处理，得到若干卷积特征图；

通过各所述特征提取模块中的小波变换层对各所述卷积特征图进行下采样，得到若干采样特征图；

通过所述分类预测模块对所有所述采样特征图进行特征融合，并基于得到的融合特征进行分类预测，得到所述待分类3D点云数据的分类结果。

2.根据权利要求1所述的3D点云数据分类方法，其特征在于，目标方向上的所述二维图像数据对应的所述特征提取模块中的卷积层的卷积核为动态卷积核；

非目标方向上的所述二维图像数据对应的所述特征提取模块中的卷积层的卷积核为固定卷积核。

3.根据权利要求1所述的3D点云数据分类方法，其特征在于，所述小波变换层包括4个相互正交的卷积滤波器，所述采样特征的具体获取过程为：

通过所述小波变换层中的4个所述卷积滤波器分别对输入的所述卷积特征图进行小波变换，得到4个子采样特征图；

通过所述小波变换层将4个所述子采样特征图进行通道拼接后输出，得到所述采样特征图。

4.根据权利要求1所述的3D点云数据分类方法，其特征在于，所述预置分类模型的训练过程为：

基于已知类别的3D点云数据获取训练集；

通过所述训练集训练卷积神经网络，得到所述预置分类模型，其中，所述卷积神经网络的结构与所述预置分类模型的结构相同。

5.一种3D点云数据分类装置，其特征在于，包括：

提取单元，用于提取待分类3D点云数据在若干个方向上的二维图像数据，并将各所述二维图像数据输入到预置分类模型中，所述预置分类模型包括若干个并行的特征提取模块和分类预测模块，所述特征提取模块由卷积层和小波变换层构成；

卷积单元，用于通过各所述特征提取模块中的卷积层对各所述二维图像进行卷积处理，得到若干卷积特征图；

下采样单元，用于通过各所述特征提取模块中的小波变换层对各所述卷积特征图进行下采样，得到若干采样特征图；

预测单元，用于通过所述分类预测模块对所有所述采样特征图进行特征融合，并基于得到的融合特征进行分类预测，得到所述待分类3D点云数据的分类结果。

6.根据权利要求5所述的3D点云数据分类装置，其特征在于，所述小波变换层包括4个相互正交的卷积滤波器，所述采样特征的具体获取过程为：

通过所述小波变换层中的4个所述卷积滤波器分别对输入的所述卷积特征图进行小波变换，得到4个子采样特征图；

通过所述小波变换层将4个所述子采样特征图进行通道拼接后输出，得到所述采样特征图。

7.根据权利要求5所述的3D点云数据分类装置，其特征在于，还包括：训练单元，用于：

基于已知类别的3D点云数据获取训练集；

通过所述训练集训练卷积神经网络，得到所述预置分类模型，其中，所述卷积神经网络的结构与所述预置分类模型的结构相同。

8.一种电子设备，其特征在于，所述设备包括处理器以及存储器；

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的3D点云数据分类方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现权利要求1-4任一项所述的3D点云数据分类方法。