一种三维点云处理方法及系统技术方案

本发明专利技术提供一种三维点云处理方法及系统，该方法包括：获取三维点云数据；将所述三维点云数据输入到训练好的三维点云数据处理模型中，得到所述三维点云数据的处理结果，所述训练好的三维点云数据处理模型是由标记有点云数据类型的样本三维点云数据，对双分支网络进行训练得到的，其中，所述双分支网络是由自适应图卷积网络和局部图卷积网络构建得到的。本发明专利技术通过图卷积网络构建的双分支网络，对三维点云数据进行处理，从而得到精度更高的输出结果，并且提高了三维点云处理的效率，在机器人、自动驾驶和虚拟现实等方面具有着广泛的应用前景。前景。前景。

【技术实现步骤摘要】
一种三维点云处理方法及系统


[0001]本专利技术涉及点云处理
，尤其涉及一种三维点云处理方法及系统。

技术介绍

[0002]随着三维传感器设备的迅速发展，人们可以更方便的获取点云数据。有效的处理点云数据在无人驾驶、虚拟现实和机器人等方面有着巨大的需求。
[0003]基于深度神经网络的点云处理算法在近几年得到了广泛的关注。2017年Charles等人提出了一种使用共享的多层感知机和最大池化的算法PointNet。PointNet是第一个系统使用了深度学习算法来处理点云数据，并且在准确性、运行效率方面均超过了传统非深度学习算法。由于PointNet仅仅使用了多层感知机和最大池化，这使得其只能使用多层感知机单独的处理点云中的每个点，或者使用最大池化全局地处理所有点，这种方式忽略了点云的局部邻域信息，而局部邻域信息在卷积神经网络中被证明是重要的。
[0004]由于点云数据自身的无序性、稀疏性和不规则性，使得点云处理仍充满挑战，如何进一步提高点云处理的精度和效率，目前暂未出现较好的方法。即使有了收集好的带标注的点云数据集，用户仍需要定义合适的网络结构去从已有数据中学习。因此，现在亟需一种三维点云处理方法及系统来解决上述问题。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供一种三维点云处理方法及系统。
[0006]本专利技术提供一种三维点云处理方法，包括：
[0007]获取三维点云数据；
[0008]将所述三维点云数据输入到训练好的三维点云数据处理模型中，得到所述三维点云数据的处理结果，所述训练好的三维点云数据处理模型是由标记有点云数据类型的样本三维点云数据，对双分支网络进行训练得到的，其中，所述双分支网络是由自适应图卷积网络和局部图卷积网络构建得到的。
[0009]根据本专利技术提供的一种三维点云处理方法，所述将所述三维点云数据输入到训练好的三维点云数据处理模型中，得到所述三维点云数据的处理结果，包括：
[0010]所述训练好的三维点云数据处理模型用于对所述三维点云数据进行分类处理，得到所述三维点云数据的分类结果；
[0011]或，所述训练好的三维点云数据处理模型用于对所述三维点云数据进行分割处理，得到所述三维点云数据的分割结果。
[0012]根据本专利技术提供的一种三维点云处理方法，若得到三维点云数据的分类结果，则所述训练好的三维点云数据处理模型通过以下步骤得到：
[0013]获取样本三维点云数据，并对每个样本三维点云数据标记点云数据类型标签，构建得到第一训练样本集；
[0014]将所述第一训练样本集中的数据输入到双分支网络进行训练，得到训练好的三维
点云数据处理模型。
[0015]根据本专利技术提供的一种三维点云处理方法，若得到三维点云数据的分割结果，则所述训练好的三维点云数据处理模型通过以下步骤得到：
[0016]获取样本三维点云数据，并将样本三维点云数据中每个点标记点云数据类型标签，构建得到第二训练样本集；
[0017]将所述第二训练样本集中的数据输入到双分支网络进行训练，得到训练好的三维点云数据处理模型。
[0018]根据本专利技术提供的一种三维点云处理方法，所述自适应图卷积网络是由自注意力机制模型构建的，所述局部图卷积网络是由K近邻模型构建的。
[0019]根据本专利技术提供的一种三维点云处理方法，在所述将所述三维点云数据输入到训练好的三维点云数据处理模型中，得到所述三维点云数据的处理结果之前，所述方法还包括：
[0020]基于反向传播算法，对训练好的三维点云数据处理模型进行优化，得到优化后的三维点云数据处理模型，以通过所述优化后的三维点云数据处理模型，对所述三维点云数据进行处理。
[0021]根据本专利技术提供的一种三维点云处理方法，在所述获取三维点云数据之后，所述方法还包括：
[0022]通过多层感知机，对所述三维点云数据进行特征提取，得到点云数据特征，以供所述训练好的三维点云数据处理模型对所述点云数据特征进行处理。
[0023]本专利技术还提供一种三维点云处理系统，包括：
[0024]点云数据获取模块，用于获取三维点云数据；
[0025]点云数据处理模块，用于将所述三维点云数据输入到训练好的三维点云数据处理模型中，得到所述三维点云数据的处理结果，所述训练好的三维点云数据处理模型是由标记有点云数据类型的样本三维点云数据，对双分支网络进行训练得到的，其中，所述双分支网络是由自适应图卷积网络和局部图卷积网络构建得到的。
[0026]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述三维点云处理方法的步骤。
[0027]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述三维点云处理方法的步骤。
[0028]本专利技术提供的三维点云处理方法及系统，通过图卷积网络构建的双分支网络，对三维点云数据进行处理，从而得到精度更高的输出结果，并且提高了三维点云处理的效率，在机器人、自动驾驶和虚拟现实等方面具有着广泛的应用前景。
附图说明
[0029]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1为本专利技术提供的三维点云处理方法的流程示意图；
[0031]图2为本专利技术提供的三维点云数据处理模型的结构示意图；
[0032]图3为本专利技术提供的三维点云处理系统的结构示意图；
[0033]图4为本专利技术提供的电子设备的结构示意图。
具体实施方式
[0034]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]图卷积网络在处理非欧式空间的数据上展现出了巨大的潜力，可以分为基于谱的方法和基于空间的方法。本专利技术基于空间的方法，将点云数据作为一个没有边的图，通过使用图卷积的方式处理点云。
[0036]图1为本专利技术提供的三维点云处理方法的流程示意图，如图1所示，本专利技术提供了一种三维点云处理方法，包括：
[0037]步骤101，获取三维点云数据。
[0038]在本专利技术中，首先可通过三维传感器得到原始点云数据，以通过后续步骤中的三维点云数据处理模型进行处理，得到对应的处理结果。需要说明的是，在本专利技术中，训练好的三维点云数据处理模型可对三维点云数据进行不同的处理，通过在模型训练过程中采用不同的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维点云处理方法，其特征在于，包括：获取三维点云数据；将所述三维点云数据输入到训练好的三维点云数据处理模型中，得到所述三维点云数据的处理结果，所述训练好的三维点云数据处理模型是由标记有点云数据类型的样本三维点云数据，对双分支网络进行训练得到的，其中，所述双分支网络是由自适应图卷积网络和局部图卷积网络构建得到的。2.根据权利要求1所述的三维点云处理方法，其特征在于，所述将所述三维点云数据输入到训练好的三维点云数据处理模型中，得到所述三维点云数据的处理结果，包括：所述训练好的三维点云数据处理模型用于对所述三维点云数据进行分类处理，得到所述三维点云数据的分类结果；或，所述训练好的三维点云数据处理模型用于对所述三维点云数据进行分割处理，得到所述三维点云数据的分割结果。3.根据权利要求2所述的三维点云处理方法，其特征在于，若得到三维点云数据的分类结果，则所述训练好的三维点云数据处理模型通过以下步骤得到：获取样本三维点云数据，并对每个样本三维点云数据标记点云数据类型标签，构建得到第一训练样本集；将所述第一训练样本集中的数据输入到双分支网络进行训练，得到训练好的三维点云数据处理模型。4.根据权利要求2所述的三维点云处理方法，其特征在于，若得到三维点云数据的分割结果，则所述训练好的三维点云数据处理模型通过以下步骤得到：获取样本三维点云数据，并将样本三维点云数据中每个点标记点云数据类型标签，构建得到第二训练样本集；将所述第二训练样本集中的数据输入到双分支网络进行训练，得到训练好的三维点云数据处理模型。5.根据权利要求1所述的三维点云处理方法，其特征在于，所述...

【专利技术属性】
技术研发人员：胡事民，国孟昊，刘政宁，
申请(专利权)人：清华大学，
类型：发明
国别省市：