基于流形的挖掘机施工环境场点云去噪方法及系统技术方案

本发明专利技术公开了基于流形的挖掘机施工环境场点云去噪方法及系统，属于挖掘机环境感知技术领域。本发明专利技术提出了一种在未知场景和未知噪声类型下，基于流形中逐点噪声水平的端到端自适应去噪网络，在K

【技术实现步骤摘要】
基于流形的挖掘机施工环境场点云去噪方法及系统


[0001]本专利技术涉及挖掘机环境感知
，特别是涉及基于流形的挖掘机施工环境场点云去噪方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]为保障挖掘机在河滩、陡坡、洼地等复杂施工环境下的施工安全，不断提高施工作业精度与效率，智能化、自主化已成为挖掘机的主要发展趋势。针对传统挖掘机施工环境复杂，为保障人员安全，通过激光雷达对周围环境实时感知，然而受施工环境以及传感器本身影响，激光雷达采集的原始点云数据不可避免地包含噪声与异常值。
[0004]点云去噪对于复杂施工环境下的高精度环境感知具有不可或缺的重要作用，点云的不规则性和无序性使得点云去噪相比于二维图像更加困难。传统的去噪方法严重依赖于几何先验或噪声先验，同时在处理高噪声的点云时出现过平滑丢失细节特征现象，这对于挖掘机施工的复杂场景下环境感知极为不利。
[0005]随着第一个直接处理点云的深度学习框架PointNet出现，大量优秀的点云去噪方法得以实现，早期基于深度学习的点云去噪方法通常通过预测噪声点与潜在清洁表面的偏移量来去噪。但是这类方法往往会产生两类伪影，这是由于在高噪声水平下偏移量估计不准确造成的，即估计过度点云收缩，估计过少异常值残留。

技术实现思路

[0006]为了解决现有技术的不足，本专利技术提供了基于流形的挖掘机施工环境场点云去噪方法、系统、电子设备及计算机可读存储介质，在未知场景和未知噪声类型下，基于流形中逐点噪声水平的端到端自适应去噪网络，进行点云去噪。
[0007]第一方面，本专利技术提供了基于流形的挖掘机施工环境场点云去噪方法；
[0008]基于流形的挖掘机施工环境场点云去噪方法，包括：
[0009]获取挖掘机施工环境场点云数据，将挖掘机施工环境场点云数据分割为二维曲面流形，以二维曲面流形中每个点为中心，构造局部流形；
[0010]基于二维曲面流形，提取每个点的多尺度图特征和噪声级分数，基于局部流形，提取中心点的边缘特征和密度特征；
[0011]根据局部流形中中心点的多尺度图特征、噪声级分数、边缘特征和密度特征，计算局部流形中所有点的噪声偏移量；
[0012]根据噪声偏移量，构造联合偏移函数，基于联合偏移函数拟合得到局部流形中心点的噪声偏移量，通过多轮迭代获取去噪后的挖掘机施工环境场点云数据。
[0013]进一步的，所述基于二维曲面流形，提取每个点的多尺度图特征和噪声级分数包括：
[0014]为每个点在不同尺度上构建四层密集的动态图卷积堆栈，将二维曲面流形输入动
态图卷积堆栈，提取不同尺度下的输出特征；其中，当前层的输出特征为下一层的输入；
[0015]将不同尺度下的输出特征进行拼接，获取每个点的多尺度图特征；
[0016]将二维曲面流形中每个点的多尺度图特征映射到一维，获取一维特征值；对一维特征值进行归一化处理，获取每个点的噪声级分数。
[0017]进一步的，所述基于局部流形，提取中心点的边缘特征和密度特征包括：
[0018]计算局部流形的中心点及其K个相邻点的相对坐标，根据相对坐标，通过多层感知机，提取中心点的边缘特征；
[0019]计算局部流形的中心点及其K个相邻点之间的距离及距离的平均值，根据距离的平均值，通过多层感知机，获取中心点的密度。
[0020]进一步的，所述局部流形中所有点的噪声偏移量表示为
[0021][0022]其中，为预测的噪声偏移量，Vector为用于估计噪声偏移量的残差网络，γ
i
为局部流形中心点的噪声级分数，ρ
i
为局部流形中心点的密度特征，h
i
为局部流形中心点的多尺度图特征，e
ij
为局部流形中心点的边缘特征。
[0023]进一步的，所述基于联合偏移函数，拟合得到局部流形中心点的噪声偏移量，通过多轮迭代获取去噪后的挖掘机施工环境场点云数据包括：
[0024]基于联合偏移函数，获取局部流形中心点的多个相邻点的噪声偏移量的均值；
[0025]使用相邻点噪声偏移量的均值代替中心点噪声偏移量，通过对所有局部流形中心点噪声偏移量进行梯度上升，更新二维曲面流形中每个点的位置，获取去噪后的挖掘机施工环境场点云数据。
[0026]进一步的，所述联合偏移函数为
[0027][0028]其中，ν
i
(x)为局部流形中心点的K个相邻点噪声偏移量的均值，KNN(x
i
)是中心点的K个相邻点，为中心点的K个相邻点的噪声偏移量。
[0029]进一步的，还包括：
[0030]计算局部流形中每个点到地面真值清洁点云的噪声偏移量，构造损失函数，以使噪声偏移量与地面真实噪声偏移量一致。
[0031]优选的，所述损失函数为
[0032][0033]其中，L
(i)
为局部流形各点的预测偏移量与真实偏移量之间的损失，KNNN(x
i
)为三维点云空间中集中在x
i
的分布，V(X
i
)表示点x
i
到地面真值清洁点云Y的噪声偏移量。
[0034]第二方面，本专利技术提供了基于流形的挖掘机施工环境场点云去噪系统；
[0035]基于流形的挖掘机施工环境场点云去噪系统，包括：
[0036]局部流形构造模块，用于获取挖掘机施工环境场点云数据，将挖掘机施工环境场
点云数据分割为二维曲面流形，以二维曲面流形中每个点为中心，构造局部流形；
[0037]流形特征提取模块，用于基于二维曲面流形，提取每个点的多尺度图特征和噪声级分数，基于局部流形，提取中心点的边缘特征和密度特征；
[0038]流形自适应去噪模块，用于根据局部流形中中心点的多尺度图特征、噪声级分数、边缘特征和密度特征，计算局部流形中所有点的噪声偏移量；根据噪声偏移量，构造联合偏移函数，基于联合偏移函数拟合得到局部流形中心点的噪声偏移量，通过多轮迭代获取去噪后的挖掘机施工环境场点云数据。
[0039]第三方面，本专利技术提供了一种电子设备；
[0040]一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述基于流形的挖掘机施工环境场点云去噪方法的步骤。
[0041]第四方面，本专利技术提供了一种计算机可读存储介质；
[0042]一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述基于流形的挖掘机施工环境场点云去噪方法的步骤。
[0043]与现有技术相比，本专利技术的有益效果是：
[0044]1、本专利技术提供的技术方案，给定噪声点云作为输入，首先使用点云聚类分割算法KMeans将点云变换为一组二维曲面流形，提取每个点的多尺度图特征、噪声级分数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于流形的挖掘机施工环境场点云去噪方法，其特征在于，包括：获取挖掘机施工环境场点云数据，将挖掘机施工环境场点云数据分割为二维曲面流形，以二维曲面流形中每个点为中心，构造局部流形；基于二维曲面流形，提取每个点的多尺度图特征和噪声级分数，基于局部流形，提取中心点的边缘特征和密度特征；根据局部流形中中心点的多尺度图特征、噪声级分数、边缘特征和密度特征，计算局部流形中所有点的噪声偏移量；根据噪声偏移量，构造联合偏移函数，基于联合偏移函数拟合得到局部流形中心点的噪声偏移量，通过多轮迭代获取去噪后的挖掘机施工环境场点云数据。2.如权利要求1所述的基于流形的挖掘机施工环境场点云去噪方法，其特征在于，所述基于二维曲面流形，提取每个点的多尺度图特征和噪声级分数包括：为每个点在不同尺度上构建四层密集的动态图卷积堆栈，将二维曲面流形输入动态图卷积堆栈，提取不同尺度下的输出特征；其中，当前层的输出特征为下一层的输入；将不同尺度下的输出特征进行拼接，获取每个点的多尺度图特征；将二维曲面流形中每个点的多尺度图特征映射到一维，获取一维特征值；对一维特征值进行归一化处理，获取每个点的噪声级分数。3.如权利要求1所述的基于流形的挖掘机施工环境场点云去噪方法，其特征在于，所述基于局部流形，提取中心点的边缘特征和密度特征包括：计算局部流形的中心点及其K个相邻点的相对坐标，根据相对坐标，通过多层感知机，提取中心点的边缘特征；计算局部流形的中心点及其K个相邻点之间的距离及距离的平均值，根据距离的平均值，通过多层感知机，获取中心点的密度。4.如权利要求1所述的基于流形的挖掘机施工环境场点云去噪方法，其特征在于，所述局部流形中所有点的噪声偏移量表示为其中，为预测的噪声偏移量，Vector为用于估计噪声偏移量的残差网络，γ
i
为局部流形中心点的噪声级分数，ρ
i
为局部流形中心点的密度特征，h
i
为局部流形中心点的多尺度图特征，e
ij
为局部流形中心点的边缘特征。5.如权利要求1所述的基于流形的挖掘机施工环境场点云去噪方法，其特征在于，所述基于联合偏移函数，拟合得到局部流形中心点的噪声偏移量，通过多轮迭代获取去噪后的挖掘机施工环境场点云数据包括：基于联合偏移函数，获取相局部...

【专利技术属性】
技术研发人员：李正磊，王书新，唐相猛，潘为刚，胡浩，王宁，虢力源，赵钰钰，刘子阳，高珅琦，董兴学，徐飞，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：