[发明专利]点云样本选择方法、装置及计算机设备

权利要求书

1.一种点云样本选择方法，其特征在于，所述方法包括：

获取多个待标注点云样本；

将所述多个待标注点云样本输入到预训练的神经网络模型中进行分类检测，以得到每一待标注点云样本分类得分概率最高和次高的所属类别；

计算待标注点云样本的最小边际分数和上下文不确定性得分；将最小边际分数和上下文不确定得分加权求和后作为待标注点云样本的不确定结果；

根据待标注点云样本的不确定结果，确定目标标注点云样本。

2.根据权利要求1所述的一种点云样本选择方法，其特征在于，所述计算待标注点云样本的最小边际分数包括：

根据待标注点云样本的分类得分的最高概率和次高概率，计算得到待标注点云样本的最小标记分数。

3.根据权利要求1所述的一种点云样本选择方法，其特征在于，计算待标注点云样本的上下文不确定性得分包括：

确定出待标注点云样本在每一降采样层的邻居点云样本；

获取邻居点云样本的分类得分的最高概率和次高概率，计算得到待标注点云样本在每一降采样层的平均最高概率值和平均次高概率值；

根据待标注点云样本在每一降采样层的平均最高概率值和平均次高概率值，计算得到待标注点云样本在每一降采样层的上下文不确定性得分。

4.根据权利要求3所述的一种点云样本选择方法，其特征在于，计算得到待标注点云样本的上下文不确定性得分之后还包括将待标注点云样本在各个降采样层的上下文不确定性得分进行加权求和，确定出待标注点云样本最终的上下文不确定得分。

5.根据权利要求1所述的一种点云样本选择方法，其特征在于，所述根据待标注点云样本的不确定结果，确定目标标注点云样本包括根据待标注点云样本的不确定性结果的排序情况，选择出排名靠前的待标注点云样本作为目标标注点云样本；或者，采用特征距离抑制方式，选择出相似度各异的若干待标注样本作为目标标注点云样本。

6.根据权利要求5所述的一种点云样本选择方法，其特征在于，所述特征距离抑制方式包括确定出距离抑制半径和特征相似阈值；判断待标注点云样本的距离抑制半径内的是否有其他被选中的目标标注点云样本，若不存在其他被选中的目标标注点云样本，则将所述待标注点云样本作为目标标注点云样本；若存在其他目标标注点云样本，则计算待标注点云样本与其他目标标注点云样本的相似度距离，若所述相似度距离超过特征相似阈值，则将待标注点云样本作为冗余点，并抑制冗余点，若所述相似度距离未超过特征相似阈值，则将所述待标注点云样本作为目标标注点云样本。

7.一种点云样本选择装置，其特征在于，包括：

样本采集模块，用于获取多个待标注点云样本；

样本分类模块，用于将所述多个待标注点云样本输入到预训练的神经网络模型中进行分类检测，以得到每一待标注点云样本分类得分概率最高和次高的所属类别；

样本度量模块，用于计算待标注点云样本的最小边际分数和上下文不确定性得分；将最小边际分数和上下文不确定得分加权求和后作为待标注点云样本的不确定结果；

样本选择模块，用于根据待标注点云样本的不确定结果，确定目标标注点云样本。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述点云样本选择方法的步骤。