[发明专利]基于深度学习的时序点云数据增强方法

权利要求书

1.基于深度学习的时序点云数据增强方法，其特征在于，包括以下步骤：

1)按采集的时间顺序对点云进行排序，形成具有时间顺序的点云，指定点云点数数目为n，并将每个点云的点数固定为n，对每个点云中的点进行排序；

2)从步骤1)得到的具有时间顺序的点云中，抽取k个点云作为原始样本，并指定网络的总共迭代次数为T，其中所述网络包含增强器和分类器；

3)将步骤2)得到的原始样本输入到增强器中，设定增强器对样本中的每个点云进行数据增强的概率为p_aug，使增强器对样本中的每个点云以p_aug的概率进行数据增强，得到的样本称为增强样本；

4)将步骤3)得到的增强样本与对应的原始样本输入到分类器中，利用分类器的分类结果得到分类损失值L_C与增强损失值L_A；

5)利用步骤4)得到的分类损失值L_C与增强损失值L_A，采用反向传播算法更新增强器与分类器的参数，若网络的迭代次数t小于网络的总共迭代次数T，则跳转至步骤2)，否则，终止训练，得到最终的分类器参数。

2.根据权利要求1所述的基于深度学习的时序点云数据增强方法，其特征在于，在步骤1)中，固定点云的点数的方法为：若点云点数大于n，则用最远点采样算法在该点云中采集n个点；若点云点数小于n，则随机选取该点云中的点填充点云，使点云点数等于n；若点云点数等于n，直接保留该点云中的所有点；

点云中的点，表示为：

π_i＝[σ_i1,σ_i2,...,σ_ir],i＝1,2,...,n

式中，π_i是指点云中第i个点，σ_i1,σ_i2,...,σ_ir是π_i的第1,2,...,r种特征，每个点都有r种特征，每个点云有n个点；

对每个点云中的点进行排序的方法为：根据点云中点的特征对点进行排序，使得点云中的点的特征满足字典序。

3.根据权利要求1所述的基于深度学习的时序点云数据增强方法，其特征在于，在步骤2)中，抽取k个点云作为样本的方法为：从步骤1)得到的具有时间顺序的点云中，抽取k个点云，使得在时间上相邻的两个点云之间的时间间隔小于或等于指定的阈值δ，且时间顺序上最后一个点云与第一个点云之间的时间间隔等于指定的阈值ε，表示为：

u_q,q＝1,2,...,k

0＜time(u_q+1)-time(u_q)≤δ,q＝1,2,...,k-1

time(u_k)-time(u₁)＝ε

式中，u_q是指第q个点云，共有k个点云；time(u_q)是指点云u_q对应的采集时间，time(u_q+1)是指点云u_q+1对应的采集时间，time(u_k)是指点云u_k即最后一个点云对应的采集时间，time(u₁)是指点云u₁即第一个点云对应的采集时间。