[发明专利]一种基于动态滤波和逐点相关的点云实例语义分割方法

权利要求书

1.一种基于动态滤波和逐点相关的点云实例语义分割方法，其特征在于，所述语义分割方法包括：

步骤1，对输入的点云进行预处理和采样得到输入点云；

步骤2，计算点云密度信息，根据点云的几何信息和密度信息生成滤波器；

步骤3，提取点云的实例嵌入特征和语义特征；

步骤4，利用所述语义特征和实例嵌入特征对点云进行逐点相关建模；

步骤5，基于建模结果分别生成点云实例分割结果和语义分割结果。

2.根据权利要求1所述的语义分割方法，其特征在于，所述步骤1中对输入的点云进行预处理的过程包括：

对点云的坐标进行归一化处理；

对场景进行分块处理，按照设定大小和设定步长将点云划分为各个重叠块，所述设定步长小于所述设定大小；

对每个所述重叠块进行随机采样得到设定数量的点云作为输入点云。

3.根据权利要求1所述的语义分割方法，其特征在于，所述步骤2中计算点云密度信息的过程包括：

采用球半径查询每个点在球内的近邻点，使用核密度估计方法估计得到该点的密度；

得到点云的密度信息之后，可以很方便的得到其逆密度信息，使用点云的逆密度信息来补偿点云的非均匀采样。

4.根据权利要求1所述的语义分割方法，其特征在于，所述步骤2中根据点云的几何信息和密度信息生成所述滤波器的过程包括：

获取点云的空间几何坐标信息N为点云中点的数量，以点云中每个点为中心，查找各个点的K近邻N_i＝{N_ij|j＝1，2，...K，and K≤N}，计算每个近邻点的相对位移N_ij-P_i，对所述相对位移N_ij-P_i应用MLP生成几何信息的滤波器mlp(N_ij-P_i)；

对点云的密度信息应用MLP生成密度信息的滤波器mlp(S_ij)；

将两种滤波器相加融合得到所述滤波器f_ij＝mlp(N_ij-P_i)+mlp(S_ij)。

5.根据权利要求1所述的语义分割方法，其特征在于，所述步骤3中提取点云的实例特征和语义特征的过程包括：

步骤301，通过特征编码器对点云的特征进行变换，利用所述滤波器和变换后的特征进行深度分离卷积计算，有效捕捉点云的空间信息和密度信息，对点云的特征进行提取；

步骤302，使用两个平行的特征解码器分别解码点云的语义特征和实例嵌入特征。

6.根据权利要求5所述的语义分割方法，其特征在于，所述步骤301中所述特征编码器对点云的特征进行变换的过程包括：对点云的特征查找近邻特征H_i＝{H_ij|j＝1，2，...，K and K≤N}，并对所述近邻特征H_i使用MLP进行变换得到mlp(H_ij)；

所述步骤301中对点云的特征进行提取表示为：⊙表示深度分离卷积；

所述步骤302中，所述特征解码器使用基于三近邻的逆距离平方加权来实现点云的上采样后，使用MLP进一步对点云的特征进行抽象。

7.根据权利要求1所述的语义分割方法，其特征在于，所述步骤4中对点云逐点相关建模的过程包括：分别从全局和局部去建模点云的空间相关和通道特征相关，并利用所述语义特征和实例嵌入特征的优势相互融合促进。