[发明专利]一种点云的语义分割方法、装置及存储介质

权利要求书

1.一种点云的语义分割方法，其特征在于，包括：

S1，多尺度编解码网络对输入的第一点云P进行采样，其中，P＝{P_G，P_P}，P_G为标注点形成的点云，P_G中点的数量小于预定的数目，P_P为未标注点形成的点云，所述P_G中的点具有真实标签，所述P_P中的点具有即时生成的伪标签，基于每个采样点划定邻域范围，在所述邻域范围内采用点Transformer的方式提取所述邻域范围内各点的特征，然后将所述邻域范围内各点的特征聚合到每个采样点，得到每个采样点的聚合特征，并基于所述聚合特征得到所述点云P中每个点的多尺度特征和所述点云P中每个点的语义类别概率分布其中，i表示第i个点；

S2，根据预设的半径范围，圆环卷积网络将输入的第二点云P_t划分成多个圆环，获取各圆环的特征，采用3D稀疏卷积来提取各圆环的体素特征，并通过点体素索引表将体素特征投影到所述点云P_t的每个点来得到逐点特征并进而获得所述点云P_t中每个点的语义类别概率分布其中，i表示第i个点；其中，所述圆环为三维圆环，所述点云P_t与所述点云P相同或为由所述点云P经过预定变换获得的点云；

S3,针对所述点云P_t中的每个未标注点，取每个未标注点的语义类别概率分布中的最大值作为该未标注点更新后的伪标签，其中更新后的伪标签表示为

其中，所述多尺度编解码网络和所述圆环卷积网络预先经过了训练，训练采用的损失函数包括：

和

其中，h(·)代表Jensen-Shannon分歧,m为所述点云P和P_t中标注点的数量，n为未标注点的数量。

2.根据权利要求1所述的语义分割方法，其特征在于，所述点云P_t与所述点云P中的点一一对应。

3.根据权利要求2所述的语义分割方法，其特征在于，所述步骤S2中包括如下获取所述点云Pt的步骤：

对所述点云P进行随机角度旋转得到点云P_r；

对所述点云P_r按照固定比例缩放得到点云P_s；

对所述点云P_s平移得到数据增强后的所述点云P_t。

4.根据权利要求1所述的语义分割方法，其特征在于，所述多尺度编解码网络包括多个编码层和多个解码层，所述步骤S1中，所述编码层采用最远点采样的方式对所述点云进行采样，并获得采样后的点云。

5.根据权利要求4所述的语义分割方法，其特征在于，所述步骤S1中，在进行采样后还包括：

基于每个采样点，采用球查询方式的寻找采样点邻域范围内的邻点P_neig，邻域范围由邻域半径r设定，r被设置为可学习参数；

对于每个邻域范围内的点，采用点Transformer的方式提取特征，所提取的特征表示为F_PT，其中，F_PT＝PT(P_neig)，PT表示点Transformer的方式；

采用混合池化的方式将特征F_PT聚合到每个采样点得到聚合特征F_A，公式如下：

其中ζ₁为可调节参数，为邻域范围,j表示邻域范围中的第j点。

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S1中，在得到每个采样点的聚合特征后还包括：

解码层通过线性插值的操作实现点云上采样以及特征回传；

通过跳跃连接拼接编码层和与编码层对应的解码层的特征，得到输出特征；

将所述输出特征输入到所述多尺度编解码网络的多层感知机，得到所述点云P的多尺度特征

将所述多尺度特征输入所述多尺度编解码网络的全连接层得到所述点云P中每个点的语义类别概率分布