【技术实现步骤摘要】
本专利技术涉及点云数据处理，尤其涉及一种基于体素和点集融合的点云分割方法、装置及设备。
技术介绍
1、近年来，随着互联网技术的发展，三维信息技术也有了飞速发展。三维视觉感知方式正逐步取代二维图像信息，成为互联网时代进行环境感知的首选方式。三维数据的表现形式主要有点云数据(point cloud)、rgb-d数据、体素(voxel)以及曲面网格(surfacemesh)等，其中点云数据是最常见的三维数据表现形式。点云数据在本质上就是包含了大量点的信息的集合，每个点都有三维坐标信息和其他信息，如颜色、光照强度或时间等。此外，点云数据是一个离散的信息集合，保留了三维空间的原始几何信息，因此，点云数据中的三维特征被广泛应用于虚拟现实、自动驾驶、三维重建、建筑设计以及医学影像处理等领域。因此，在繁多的场景理解和环境感知相关的任务中，点云数据成了首选的三维表现形式。
2、点云分割是点云数据处理的关键步骤，点云分割通过对点云数据进行区分、分离和提取，为后续的点云数据处理打下基础，后续的点云数据处理包括物体识别、地面分割、数据预处理、数据压缩和优化以及数据可视化和交互等。传统的点云分割方法(即基于点集的分割)是对单一的点云视图进行处理，但由于各种表现形式的特性不同，导致使用单一视图的分割算法对不同的场景分割效果欠佳。例如，由于点视图的大规模性，使得它在小型场景下效果很好，但在大型场景里庞大的点云数据下，会导致对点的邻域搜索变得十分复杂；而在体素视图中，通过点云的体素视图处理点云数据，将点云数据划分为规则的立方体单元(即体素)，这种划
技术实现思路
1、本专利技术提供一种基于体素和点集融合的点云分割方法、装置及设备，可以提高基于体素和点集融合的点云分割的准确性。
2、为实现上述目的，本专利技术提供的一种基于体素和点集融合的点云分割方法，包括：
3、获取原始点云数据，并将所述原始点云数据进行预处理，得到超体素数据；
4、将所述超体素数据利用预设的区域生长算法进行聚类分割，得到聚类超体素数据；
5、提取所述聚类超体素数据中的特征，得到超体素特征；
6、利用预设的点云特征提取网络模型提取所述原始点云数据的点云特征，得到点云特征；
7、将所述超体素特征与所述点云特征进行融合，得到融合特征，并根据所述融合特征对所述原始点云数据中的每个点云进行语义分类分割，得到点云分割结果。
8、可选地，所述将所述原始点云数据进行预处理，得到超体素数据，包括：
9、提取所述原始点云数据，并根据预设的体素网格将所述原始点云数据映射至所述体素网格中，得到体素化网格；
10、利用点云体素连接性分割方法将所述体素化网格中的体素进行超体素化操作，得到超体素数据集。
11、可选地，所述利用点云体素连接性分割方法将所述体素化网格中的体素进行超体素化操作，包括：
12、在所述体素化网格中选取初始候选体素，并在所述初始候选体素周围选取搜索半径；
13、利用所述搜索半径筛选出所述初始候选体素中符合筛选条件的初始候选体素，得到超体素化种子体素；
14、根据所述超体素化种子体素及所述超体素化种子体素的邻居体素初始化体素特征向量，并根据所述体素特征向量计算所述邻居体素至所述超体素化种子体素之间的距离；
15、将所述超体素化种子体素作为聚类中心，并根据所述距离采用局部k-means聚类算法聚类所述邻居体素，得到所述超体素数据集。
16、可选地，所述将所述超体素数据利用预设的区域生长算法进行聚类分割，得到聚类超体素数据，包括：
17、提取所述超体素数据中的中心体素，并利用kd树搜索算法计算所述中心体素与邻近超体素之间的相似度，整合中心体素和所述相似度满足预设的相似度阈值的邻近超体素作为种子超体素集；
18、计算所述种子超体素集中每个种子超体素和该种子超体素的邻近超体素之间的归一化几何距离和归一化欧式距离；
19、根据所述归一化几何距离和归一化欧式距离计算邻近超体素间的特征距离，并根据所述特征距离进行聚类分割，得到所述聚类超体素数据。
20、可选地，所述根据所述特征距离进行聚类分割，包括：
21、步骤1、从所述种子超体素集中顺序选取第一个种子超体素作为初始种子超体素，并计算所述初始种子超体素与其邻近超体素之间的相似性特征距离，并判断所述相似性特征距离是否小于预设的相似度特征阈值；
22、步骤2、在所述相似性特征距离不小于预设的相似度特征阈值时，则判定所述邻近超体素与所述初始种子超体素不相似；
23、步骤3、在所述相似性特征距离小于预设的相似度特征阈值时，则将所述邻近超体素分割至所述初始种子超体素对应的分割区域内；
24、步骤4、遍历完所述初始种子超体素的所有邻近超体素后，从所述种子超体素集中删除所述初始种子超体素，判断在所述种子超体素集中是否存在种子超体素，在所述种子超体素集中存在种子超体素时，顺序选取下一个种子超体素返回执行步骤1-3进行超体素分割；
25、步骤5、在所述种子超体素集中不存在种子超体素时，完成所述根据所述特征距离进行聚类分割的过程。
26、可选地，所述点云特征提取网络模型包括顺序连接的输入层、第一mlp层、第二mlp层、最大池化层以及第三mlp层。
27、可选地，所述将所述超体素特征与所述点云特征进行融合，包括：
28、将所述超体素特征和所述点云特征进行加权相加，得到基础融合特征；
29、将所述基础融合特征输入至预设的激活函数进行非线性映射，得到所述融合特征。
30、为了解决上述问题，本专利技术还提供一种基于体素和点集融合的点云分割装置，所述装置包括：
31、点云数据处理模块，用于获取原始点云数据，并将所述原始点云数据进行预处理，得到超体素数据；
32、特征提取模块，用于将所述超体素数据利用预设的区域生长算法进行聚类分割，得到聚类超体素数据；提取所述聚类超体素数据中的特征，得到超体素特征；利用预设的点云特征提取网络模型提取所述原始点云数据的点云特征，得到点云特征；
33、点云分割模块，用于将所述超体素特征与所述点云特征进行融合，得到融合特征，并根据所述融合特征对所述原始点云数据中的每个点云进行语义分类分割，得到点云分割结果。
34、为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
35、至少一个处理器；以及，
36、与所述至少一个处理器通信连接的存储器；其中，
37、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于体素和点集融合的点本文档来自技高网...
【技术保护点】
1.一种基于体素和点集融合的点云分割方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于体素和点集融合的点云分割方法，其特征在于，所述将所述原始点云数据进行预处理，得到超体素数据，包括：
3.如权利要求2所述的基于体素和点集融合的点云分割方法，其特征在于，所述利用点云体素连接性分割方法将所述体素化网格中的体素进行超体素化操作，包括：
4.如权利要求1-3之一的所述的基于体素和点集融合的点云分割方法，其特征在于，所述将所述超体素数据利用预设的区域生长算法进行聚类分割，得到聚类超体素数据，包括：
5.如权利要求4所述的基于体素和点集融合的点云分割方法，其特征在于，所述根据所述特征距离进行聚类分割，包括：
6.如权利要求1或2或3或5所述的基于体素和点集融合的点云分割方法，其特征在于，所述点云特征提取网络模型包括顺序连接的输入层、第一MLP层、第二MLP层、最大池化层以及第三MLP层。
7.如权利要求6所述的基于体素和点集融合的点云分割方法，其特征在于，所述将所述超体素特征与所述点云特征进行融合，包括：p>
8.一种基于体素和点集融合的点云分割装置，其特征在于，所述装置可以实现如权利要求1至7中任意一项所述的基于体素和点集融合的点云分割方法，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于体素和点集融合的点云分割方法。
...【技术特征摘要】
1.一种基于体素和点集融合的点云分割方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于体素和点集融合的点云分割方法，其特征在于，所述将所述原始点云数据进行预处理，得到超体素数据，包括：
3.如权利要求2所述的基于体素和点集融合的点云分割方法，其特征在于，所述利用点云体素连接性分割方法将所述体素化网格中的体素进行超体素化操作，包括：
4.如权利要求1-3之一的所述的基于体素和点集融合的点云分割方法，其特征在于，所述将所述超体素数据利用预设的区域生长算法进行聚类分割，得到聚类超体素数据，包括：
5.如权利要求4所述的基于体素和点集融合的点云分割方法，其特征在于，所述根据所述特征距离进行聚类分割，包括：
6.如权利要求1或...
【专利技术属性】
技术研发人员：杨正益，张力航，彭炯程，柳玲，杨佳佳，刘一乂，陈开，童建林，牟镜吉，王雅琪，甘丽丽，
申请(专利权)人：重庆大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。