[发明专利]基于多尺度融合的点云特征增强方法和装置

权利要求书

1.一种基于多尺度融合的点云特征增强方法，其特征在于，包括：

基于目标对象的原始点云，构建所述目标对象的至少一个不同尺度规模的子点云；其中，所述不同尺度规模的子点云中点的数量小于所述原始点云中点的数量；

基于预先设定的邻域点的数量，分别确定所述至少一个不同尺度规模的子点云中每个点的邻域点；

基于所确定的邻域点，分别确定所述至少一个不同尺度规模的子点云中每个点的局部特征；

基于所述至少一个不同尺度规模的子点云中每个子点云的所有点的局部特征，确定每个所述子点云的全局特征，基于所确定的所述至少一个不同尺度规模的子点云中每个子点云的全局特征，对所述原始点云中每个点的原始特征进行融合，得到更具有表现力的目标点云。

2.根据权利要求1所述的基于多尺度融合的点云特征增强方法，其特征在于，所述基于目标对象的原始点云，构建所述目标对象的至少一个不同尺度规模的子点云，包括：

基于最远点采样，从所述原始点云中确定采样点构建采样点集合；

确定所述采样点集合中采样点的数量达到预先设定的子点云中点的数量，基于所述采样点集合构建所述子点云。

3.根据权利要求1所述的基于多尺度融合的点云特征增强方法，其特征在于，所述基于预先设定的邻域点的数量，分别确定所述至少一个不同尺度规模的子点云中每个点的邻域点，针对所述至少一个不同尺度规模的子点云中的每个点，包括：

分别确定其与所在的子点云中其他点之间的距离；

按照距离由小到大的顺序，对所确定的其与所在的子点云中其他点之间的距离进行排序；

基于所述距离的排序，选取与其距离最近的符合所述邻域点的数量的点，作为邻域点。

4.根据权利要求1所述的基于多尺度融合的点云特征增强方法，其特征在于，所述基于所确定的邻域点，分别确定所述至少一个不同尺度规模的子点云中每个点的局部特征，包括：

通过图卷积网络，分别对所述至少一个不同尺度规模的子点云中每个点的所述邻域点进行处理，得到每个点的第一特征；

通过最大池化层，分别对所述至少一个不同尺度规模的子点云中每个点的所述第一特征进行处理，得到每个点的所述局部特征。

5.根据权利要求1所述的基于多尺度融合的点云特征增强方法，其特征在于，所述基于所述至少一个不同尺度规模的子点云中每个子点云的所有点的局部特征，确定每个所述子点云的全局特征，基于所确定的所述至少一个不同尺度规模的子点云中每个点的局部特征，对所述原始点云中每个点的原始特征进行融合，得到更具表现力的目标点云，包括

针对所述至少一个不同尺度规模的子点云中的每个子点云，通过最大池化层对所有点的所述局部特征进行处理，得到所述子点云的全局特征；

将所得到的所述至少一个不同尺度规模的子点云中每个子点云的全局特征，与所述原始点云中每个点的原始特征分别进行融合，得到所述更具表现力的目标点云。

6.根据权利要求1至5任一项所述的基于多尺度融合的点云特征增强方法，其特征在于，所述基于预先设定的邻域点的数量，分别确定所述至少一个不同尺度规模的子点云中每个点的邻域点，包括：

基于预先设定的邻域点的数量，分别确定所述至少一个不同尺度规模的子点云和所述原始点云中每个点的邻域点；

所述基于所确定的邻域点，分别确定所述至少一个不同尺度规模的子点云每个点的局部特征，包括：

基于所确定的邻域点，分别确定所述至少一个不同尺度规模的子点云和所述原始点云中每个点的局部特征；

所述基于所述至少一个不同尺度规模的子点云中每个子点云的所有点的局部特征，确定每个所述子点云的全局特征，基于所确定的所述至少一个不同尺度规模的子点云中每个子点云的全局特征，对所述原始点云中每个点的原始特征进行融合，得到更具有表现力的目标点云，包括：

基于所述至少一个不同尺度规模的子点云中每个子点云的所有点的局部特征，确定每个所述子点云的全局特征，基于所确定的所述至少一个不同尺度规模的子点云中每个子点云的全局特征，对所述原始点云中每个点的局部特征进行融合，得到所述更具有表现力的目标点云。