[发明专利]一种点云分割方法、装置及计算机可读存储介质

权利要求书

1.一种点云分割方法，其特征在于，包括：

获取目标点云，所述目标点云包括多个目标点；

将所述目标点云输入预先训练的深度网络模型，得到每个所述目标点归属于每个特定区域或每个分类的预测概率值，其中，所述深度网络模型至少包括用于提取所述目标点云局部特征的Inception网络层；

根据每个所述目标点归属于每个特定区域或每个分类的预测概率值对所述目标点云进行分割。

2.根据权利要求1所述的点云分割方法，其特征在于，所述深度网络模型具体包括依次连接的输入变换层、所述Inception网络层、特征变换层、全局平均池化层和卷积层，所述将所述目标点云输入预先训练的深度网络模型，得到每个所述目标点归属于每个特定区域或每个分类的预测概率值，具体包括：

通过所述输入变换层对所述目标点云进行对称变换，得到对称变换后的目标点云；

通过所述Inception网络层对所述对称变换后的目标点云进行局部特征提取，得到提取的局部特征；

通过所述特征变换层对所述提取的局部特征进行特征对齐，得到对齐后的局部特征；

通过所述全局平均池化层聚合所述对齐后的局部特征以得到全局特征；

将所述对齐后的局部特征和所述全局特征相连接，得到连接后的特征；

通过所述卷积层对所述连接后的特征进行卷积运算，得到每个所述目标点归属于每个特定区域或每个分类的预测概率值。

3.根据权利要求2所述的点云分割方法，其特征在于，所述Inception网络层包括多个Inception网络，每个所述Inception网络包括第一卷积层、第二卷积层、第三卷积层、第四卷积层和最大池化层；

所述第一卷积层的输出分别与所述第二卷积层、所述第三卷积层以及所述最大池化层的输入连接；

所述最大池化层的输出与所述第四卷积层的输入连接；

所述第二卷积层的输出分别与所述第三卷积层和所述第四卷积层的输出连接；

所述第一卷积层和所述第四卷积层具有m滤波器，所述第二卷积层和所述第三卷积层具有m/2滤波器。

4.根据权利要求3所述的点云分割方法，其特征在于，所述Inception网络层具体包括5个Inception网络，5个所述Inception网络的m取值分别为64，128，256，512和1024。

5.根据权利要求3所述的点云分割方法，其特征在于，所述通过所述输入变换层对所述目标点云进行对称变换，得到对称变换后的目标点云，具体包括：

将所述目标点云输入所述输入变换层，通过所述输入变换层的对称函数对所述目标点云进行对称变换，将所有目标点对齐到一个正则空间，得到所述对称变换后的目标点云；

所述通过所述Inception网络层对所述对称变换后的目标点云进行局部特征提取，得到提取的局部特征，具体包括：

将所述对称变换后的目标点云依次输入多个所述Inception网络进行局部特征提取，得到所述提取的局部特征。

6.根据权利要求3所述的点云分割方法，其特征在于，所述通过所述特征变换层对所述提取的局部特征进行特征对齐，得到对齐后的局部特征，具体包括：

将所述提取的局部特征输入所述特征变换层，通过所述特征变换层中添加了正则项的特征变换矩阵对所述提取的局部特征进行特征对齐，得到所述对齐后的局部特征；

所述通过所述全局平均池化层聚合所述对齐后的局部特征以得到全局特征，具体包括：

将所述对齐后的局部特征输入所述全局平均池化层，通过所述全局平均池化层计算所述对齐后的局部特征的平均值以得到所述全局特征。

7.根据权利要求3所述的点云分割方法，其特征在于，所述卷积层为多个，所述通过所述卷积层对所述连接后的特征进行卷积运算，得到每个所述目标点归属于每个特定区域或每个分类的预测概率值，具体包括：

将所述连接后的特征输入多个所述卷积层中，通过多个所述卷积层对所述连接后的特征进行卷积运算，并根据卷积运算结果以及预设的归一化指数函数softmax函数得到每个所述目标点归属于每个特定区域或每个分类的预测概率值。