点云分类方法及装置制造方法及图纸

本发明专利技术提供一种点云分类方法及装置，其中方法包括：对原始点云数据进行特征提取，得到原始点云数据的局部特征；将局部特征分别输入第一处理分支与第二处理分支，得到局部特征的高频特征与低频特征；对高频特征与低频特征进行处理得到目标特征并输入分类器，得到原始点云数据的分类结果。本发明专利技术提供的点云分类方法及装置，通过在获取原始点云数据的局部特征之后，将获取的局部特征采用两个并行分支进行高频特征与低频特征的提取，并将获取的高频特征与低频特征拼接后的目标特征用于点云分类，降低了计算的复杂度。在提取低频特征时，基于向量注意力处理，可以建立点云坐标之间的长距离依赖关系，进一步降低后续分类的复杂度。进一步降低后续分类的复杂度。进一步降低后续分类的复杂度。

【技术实现步骤摘要】
点云分类方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种点云分类方法及装置。

技术介绍

[0002]现有的数据采集硬件以及计算算力的飞速发展，获取的点云图像的复杂度越来越高。蕴含丰富空间信息的三维点云数据被运用到计算机视觉的各个场景中，例如自动驾驶、虚拟现实、三维建模和机器人操作。
[0003]现有方法中，由于处理点云的模型的复杂度越来越高，使得点云分类的效率越来越低。

技术实现思路

[0004]本专利技术提供一种点云分类方法及装置，用以解决现有技术针对处理点云的模型的复杂度越来越高，使得点云分类的效率越来越低的技术问题。
[0005]本专利技术提供一种点云分类方法，包括：
[0006]对原始点云数据进行特征提取，得到所述原始点云数据的局部特征；
[0007]将所述局部特征输入第一处理分支进行高频特征提取，得到所述局部特征的高频特征，将所述局部特征输入第二处理分支进行低频特征提取，得到所述局部特征的低频特征；
[0008]将所述高频特征与所述低频特征进行拼接，并将拼接后得到的特征进行升维处理，得到所述原始点云数据的目标特征；
[0009]将所述目标特征输入分类器，得到所述原始点云数据的分类结果，所述分类器是基于点云数据样本及其对应的类别标签训练得到的。
[0010]根据本专利技术提供的一种点云分类方法，将所述局部特征输入第二处理分支进行低频特征提取，得到所述局部特征的低频特征，包括：
[0011]将所述局部特征进行平均池化处理，得到平均池化处理后的特征向量；
[0012]对所述特征向量进行层次二分聚类，得到所述特征向量的多个特征簇；
[0013]基于向量注意力算法，分别确定各特征簇中的特征关系，并将得到的多个特征关系进行合并，得到所述局部特征的低频特征。
[0014]根据本专利技术提供的一种点云分类方法，所述将所述局部特征输入第一处理分支进行高频特征提取，得到所述局部特征的高频特征，包括：
[0015]将所述局部特征进行最大池化处理，得到最大池化处理后的局部特征；
[0016]将最大池化处理后的局部特征进行残差处理，得到所述局部特征的高频特征。
[0017]根据本专利技术提供的一种点云分类方法，所述对原始点云数据进行特征提取，得到所述原始点云数据的局部特征，包括：
[0018]对原始点云数据进行下采样，获取所述原始点云数据的采样中心点，基于K近邻算法，确定所述采样中心点对应的近邻点；
[0019]基于所述近邻点的坐标与所述采样中心点的坐标，得到所述近邻点与所述采样中心点的相对位置坐标；
[0020]将所述相对位置坐标与所述采样中心点按坐标维度进行拼接，得到拼接后的六维坐标；
[0021]基于多层感知器，将所述六维坐标映射到高维空间，得到所述原始点云数据的局部特征。
[0022]根据本专利技术提供的一种点云分类方法，所述对原始点云数据进行下采样，获取所述原始点云数据的采样中心点，包括：
[0023]将原始点云数据归一化到单位球体内，并对归一化后的原始点云数据进行均匀采样，得到预设个数的点云样本；
[0024]基于最远点采样法，对所述点云样本进行下采样，得到所述点云样本的采样中心点。
[0025]根据本专利技术提供的一种点云分类方法，所述将所述高频特征与所述低频特征进行拼接，并将拼接后得到的特征进行升维处理，得到所述原始点云数据的目标特征，包括：
[0026]将所述高频特征与所述低频特征进行拼接，得到采样中心点的特征；
[0027]对所述采样中心点的特征进行预设次数的升维处理，并将升维处理后得到的特征作为所述原始点云数据的目标特征。
[0028]本专利技术还提供一种点云分类装置，包括：
[0029]特征提取模块，用于对原始点云数据进行特征提取，得到所述原始点云数据的局部特征；
[0030]处理模块，用于将所述局部特征输入第一处理分支进行高频特征提取，得到所述局部特征的高频特征，将所述局部特征输入第二处理分支进行低频特征提取，得到所述局部特征的低频特征；
[0031]拼接模块，用于将所述高频特征与所述低频特征进行拼接，并将拼接后得到的特征进行升维处理，得到所述原始点云数据的目标特征；
[0032]分类模块，用于将所述目标特征输入分类器，得到所述原始点云数据的分类结果，所述分类器是基于点云数据样本及其对应的类别标签训练得到的。
[0033]本专利技术还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述点云分类方法。
[0034]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，所述计算机程序被处理器执行时实现如上述任一种点云分类方法。
[0035]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述点云分类方法。
[0036]本专利技术提供的点云分类方法及装置，通过在获取原始点云数据的局部特征之后，将获取的局部特征采用两个并行分支进行高频特征与低频特征的提取，并将获取的高频特征与低频特征拼接后的目标特征用于点云分类，降低了计算的复杂度。与此同时，在提取低频特征时，基于向量注意力处理，可以建立点云坐标之间的长距离依赖关系，进一步降低后续分类的复杂度，提升了点云分类的识别率。
附图说明
[0037]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简要地说明，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。
[0038]图1是本专利技术提供的点云分类方法的流程示意图；
[0039]图2是应用本专利技术提供的点云分类方法的流程示意图；
[0040]图3是本专利技术提供的局部特征处理流程示意图；
[0041]图4是本专利技术提供的点云分类装置的结构示意图；
[0042]图5是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0043]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。
[0044]随着数据采集硬件以及计算算力的飞速发展，蕴含丰富空间信息的3D数据被运用到计算机视觉的各个场景中，例如自动驾驶、虚拟现实、三维建模和机器人操作。3D数据的表现形式包括深度图、点云、网格和体素。其中，点云数据是从物体表面采样得到的一组点，可以保留三维空间中环境与物体最原始的信息，如位置坐标、色彩和反射面强度等。相比于密集规则的2D图像数据，3D点云本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云分类方法，其特征在于，所述方法包括：对原始点云数据进行特征提取，得到所述原始点云数据的局部特征；将所述局部特征输入第一处理分支进行高频特征提取，得到所述局部特征的高频特征，将所述局部特征输入第二处理分支进行低频特征提取，得到所述局部特征的低频特征；将所述高频特征与所述低频特征进行拼接，并将拼接后得到的特征进行升维处理，得到所述原始点云数据的目标特征；将所述目标特征输入分类器，得到所述原始点云数据的分类结果，所述分类器是基于点云数据样本及其对应的类别标签训练得到的。2.根据权利要求1所述的点云分类方法，其特征在于，所述将所述局部特征输入第二处理分支进行低频特征提取，得到所述局部特征的低频特征，包括：将所述局部特征进行平均池化处理，得到平均池化处理后的特征向量；对所述特征向量进行层次二分聚类，得到所述特征向量的多个特征簇；基于向量注意力算法，分别确定各特征簇中的特征关系，并将得到的多个特征关系进行合并，得到所述局部特征的低频特征。3.根据权利要求1所述的点云分类方法，其特征在于，所述将所述局部特征输入第一处理分支进行高频特征提取，得到所述局部特征的高频特征，包括：将所述局部特征进行最大池化处理，得到最大池化处理后的局部特征；将所述最大池化处理后的局部特征进行残差处理，得到所述局部特征的高频特征。4.根据权利要求1所述的点云分类方法，其特征在于，所述对原始点云数据进行特征提取，得到所述原始点云数据的局部特征，包括：对原始点云数据进行下采样，获取所述原始点云数据的采样中心点，基于K近邻算法，确定所述采样中心点对应的近邻点；基于所述近邻点的坐标与所述采样中心点的坐标，得到所述近邻点与所述采样中心点的相对位置坐标；将所述相对位置坐标与所述采样中心点按坐标维度进行拼接，得到拼接后的六维坐标；基于多层感知器，将所述六维坐标映射到高维空间，得到所述原始点云数据的局部特征。5.根据权利要求...

【专利技术属性】
技术研发人员：吕宜生，刘雅慧，田滨，陈圆圆，王飞跃，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：