【技术实现步骤摘要】
本申请属于图像处理，尤其涉及一种基于sce-net的目标轮廓提取方法、装置、系统及存储介质。
技术介绍
1、随着三维传感器的不断发展，点云数据的采集变得越来越容易，而近年来随着深度学习技术的发展，尤其是卷积神经网络技术在图像处理领域展示出了极大的优势，使用深度学习技术处理点云数据为点云数据处理任务提供了新的解决方案。
2、然而，点云本身具有的无序性、非结构性、密度不一致性和信息不完整性的特点也为使用深度学习技术处理点云数据带来了阻碍。首先是大多现有技术往往以小规模点云为处理目标，很多处理大规模点云数据的技术也是需要对点云进行切割处理，这可能会造成点云整体信息的丢失；此外，扫描对象的相互遮挡很容易导致信息丢失，也为点云数据处理带来很大的影响；另外，点云数据中的噪声会导致形状识别等任务精度的降低，此外，对于同一模型，旋转不同角度仍表示同一对象，但网络识别结果可能会因为点云数据的旋转而产生差异。
3、此外，随着点云数据采集技术的不断进步以及对于基于深度学习技术处理点云数据的方法的研究不断深入，点云数据处理相关的任务也不断提出，主要包括三维形状分类、三维目标检测与跟踪，、三维点云分割、三维点云配准、三维重建与6自由度姿态估计等。为解决这些任务，一些深度学习技术将点云数据体素化或者转化为二维视图然后再进行分析，然而这类技术都有一定的局限性，基于体素进行点云数据分析的深度学习技术其性能往往会被体素的分辨率所限制，基于二维图像对点云数据进行分析的方法虽然在完成形状分类和检索任务时候性能优越，但是在面临复杂任务时仍然有一
4、传统的针对点云数据进行目标轮廓点识别的方法大多数基于先验知识，或者基于点云的局部特征，例如协方差矩阵、曲率、法向量等，这些方法得到的结果往往是实际几何过度简化的模型，因此传统的针对点云的三维重建技术往往针对某一特定类别的数据具有较好的效果，但通用性不强，目前点云目标轮廓提取的有关研究仍然聚焦于某一实体如工业零件等对象之上，并未以包含多个物体的某一场景的点云数据作为点云目标轮廓点提取技术的研究对象，并且很少有相关技术充分将点云目标轮廓提取技术与点云目标分割技术相互结合，在解决针对场景点云的点云目标轮廓提取问题时具备一定的劣势。
技术实现思路
1、本申请的目的，在于提供一种基于sce-net的目标轮廓提取方法、装置、系统及存储介质，针对现有点云目标轮廓提取技术的不足，实现从场景点云数据中提取点云目标轮廓的功能。
2、为了达成上述目的，本申请的解决方案是：
3、第一方面，本申请实施例提供一种基于sce-net的目标轮廓提取方法，包括：
4、获取原始点云数据；构建sce-net网络，sce-net网络包括点云目标分割模块和点云目标轮廓提取模块，点云目标分割模块和点云目标轮廓提取模块串联连接；
5、其中，点云目标分割模块包括依次连接的第一多层感知机嵌入层、第一编码器、第一解码器和分割分类器；第一编码器包括n层第一子编码器，第一解码器包括n层第一子解码器；
6、将原始点云数据输入第一多层感知机嵌入层进行处理，得到点云数据特征；将点云数据特征输入第一编码器进行处理，得到不同尺度点云数据的不同维度点云数据特征；
7、将不同尺度点云数据的不同维度点云数据特征输入第一解码器进行处理，第一解码器中的每层第一子解码器以上一层第一子解码器输出的点云数据特征和对应层级的第一子编码器输入的点云数据特征作为输入，得到所有点的点云数据特征；将所有点的点云数据特征输入分割分类器进行处理，得到不同类别的点云个体数据；
8、点云目标轮廓提取模块包括依次连接的第二多层感知机嵌入层、第二编码器、第二解码器和轮廓分类器；第二编码器包括n层第二子编码器，第二解码器包括n层第二子解码器；
9、通过第二多层感知机嵌入层将不同类别的点云个体数据嵌入特征空间，通过第二编码器和第二解码器对不同类别的点云个体数据进行处理，得到不同类别的点云个体数据中每个点的复合点云数据特征；
10、通过轮廓分类器将复合点云数据特征对不同类别的点云个体数据中的所有点进行二元分类，得到整个场景的点云目标轮廓提取结果。
11、根据本申请实施例的上述方法，还可以具有以下附加技术特征：
12、进一步的，将原始点云数据输入第一多层感知机嵌入层进行处理，得到点云数据特征，包括：
13、在第一多层感知机嵌入层建立非线性映射，通过第一多层感知机嵌入层提取原始点云数据的特征值，并将原始点云数据的特征值映射到特征空间，输出点云数据特征，公式如下所示：
14、γ：rn×m→rn×c
15、其中n表示原始点云数据中点的数目，m表示原始点云数据特征的维度，c表示输入第一编码器用于点云数据特征提取所需要的特征维度。
16、进一步的，将点云数据特征输入第一编码器进行处理，得到不同尺度点云数据的不同维度点云数据特征，包括：
17、在第一编码器中通过下采样对点云数据特征进行处理，第一编码器包括n层第一子编码器，每层第一子编码器输入的点云数据特征维度为c″，每层第一子编码器输出的点云数据特征维度为2×c″；
18、每层第一子编码器输入的点云数据规模为n′，每层第一子编码器输出的点云数据规模为n′/s，其中，s表示下采样过程中的点云数据规模缩小倍率，下采样完成后通过图卷积技术对点云数据特征进行特征聚合并提取出不同尺度点云数据的不同维度点云数据特征。
19、进一步的，将不同尺度点云数据的不同维度点云数据特征输入第一解码器进行处理，第一解码器中的每层第一子解码器以上一层第一子解码器输出的点云数据特征和对应层级的第一子编码器输入的点云数据特征作为输入，得到所有点的点云数据特征，包括：
20、在第一解码器中通过上采样对不同尺度点云数据的不同维度点云数据特征进行处理，第一解码器包括n层第一子解码器，每层第一子解码器输入的点云数据特征维度为c″′，每层第一子解码器输出的点云数据特征的维度为c″′/2；
21、每层第一子解码器输入的点云数据规模为n″，每层第一子解码器输出的点云数据规模为n″×s，其中s为上采样过程中的点云数据规模放大倍率，上采样完成后通过图卷积技术对不同尺度点云数据的不同维度点云数据特征进行特征聚合并提取出所有点的点云数据特征。
22、进一步的，将所有点的点云数据特征输入分割分类器进行处理，得到不同类别的点云个体数据，包括：
23、在分割分类器中，预测所有点的点云数据特征中每个点的语义标签，将语义标签相同的点划分为同一类别，将语义标签不同的点进行分割，得到不同类别的点云个体数据。
24、进一步的，点云目标轮廓提取模块的第二子解码器中，除末层第二子解码器外，各层第二子解码器以上一层第二子解码器输出的特征和对应层级第二子编码器的本文档来自技高网...
【技术保护点】
1.一种基于SCE-Net的目标轮廓提取方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于SCE-Net的目标轮廓提取方法，其特征在于，所述将所述原始点云数据输入所述第一多层感知机嵌入层进行处理，得到点云数据特征，包括：
3.如权利要求1所述的基于SCE-Net的目标轮廓提取方法，其特征在于，所述将所述点云数据特征输入所述第一编码器进行处理，得到不同尺度点云数据的不同维度点云数据特征，包括：
4.如权利要求1所述的基于SCE-Net的目标轮廓提取方法，其特征在于，所述将所述不同尺度点云数据的不同维度点云数据特征输入所述第一解码器进行处理，所述第一解码器中的每层第一子解码器以上一层第一子解码器输出的点云数据特征和对应层级的第一子编码器输入的点云数据特征作为输入，得到所有点的点云数据特征，包括：
5.如权利要求1所述的基于SCE-Net的目标轮廓提取方法，其特征在于，所述将所述所有点的点云数据特征输入所述分割分类器进行处理，得到不同类别的点云个体数据，包括：
6.如权利要求1所述的基于SCE-Net的目标轮廓提取方
7.如权利要求1所述的基于SCE-Net的目标轮廓提取方法，其特征在于，在所述点云目标轮廓提取模块中引入复合损失函数，所述复合损失函数包括倒角距离损失函数和加权二元分类交叉熵损失函数，其中，倒角距离损失函数公式如下所示：
8.一种基于SCE-Net的目标轮廓提取装置，其特征在于，所述装置包括：
9.一种基于SCE-Net的目标轮廓提取系统，所述系统包括处理器和存储器，所述存储器中存储有计算机程序，其特征在于，所述计算机程序由所述处理器加载并执行，以实现如权利要求1至7任一项所述的基于SCE-Net的目标轮廓提取方法。
10.一种计算机可读存储介质，所述存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，用于实现如权利要求1至7任一项所述的基于SCE-Net的目标轮廓提取方法。
...【技术特征摘要】
1.一种基于sce-net的目标轮廓提取方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于sce-net的目标轮廓提取方法，其特征在于，所述将所述原始点云数据输入所述第一多层感知机嵌入层进行处理，得到点云数据特征，包括：
3.如权利要求1所述的基于sce-net的目标轮廓提取方法，其特征在于，所述将所述点云数据特征输入所述第一编码器进行处理，得到不同尺度点云数据的不同维度点云数据特征，包括：
4.如权利要求1所述的基于sce-net的目标轮廓提取方法，其特征在于，所述将所述不同尺度点云数据的不同维度点云数据特征输入所述第一解码器进行处理，所述第一解码器中的每层第一子解码器以上一层第一子解码器输出的点云数据特征和对应层级的第一子编码器输入的点云数据特征作为输入，得到所有点的点云数据特征，包括：
5.如权利要求1所述的基于sce-net的目标轮廓提取方法，其特征在于，所述将所述所有点的点云数据特征输入所述分割分类器进行处理，得到不同类别的点云个体数据，包括：
6.如权利要求1所述的基于sce-net的目标轮廓提取方法，其特征在于，所述点云目标轮廓提取模块的第二子解码器中，除末层第二子...
【专利技术属性】
技术研发人员：罗盘政，周子龙，魏倩茹，郑江滨，
申请(专利权)人：西北工业大学，
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。