申请/专利权人：桂林理工大学

申请日：2022-07-17

公开（公告）日：2024-06-18

公开（公告）号：CN115222988B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80;G06V10/82;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2022.11.08#实质审查的生效;2022.10.21#公开

摘要：本发明公开了一种激光雷达点云数据城市地物PointEFF精细分类方法，属于激光雷达点云分类领域。此方法包括：点云数据分块；端对端特征提取层构建；外部特征融合层构建；精度评价。PointEFF激光雷达点云数据城市地物精细分类方法通过构建外部特征融合ExternalFeatureFusion模块，在模型上采样阶段将点云手工设计描述符handcrafteddescriptors与网络得到的端对端特征融合，改善了以PointNet、PointNet++为代表的领域特征池化方法在上采样过程中因插值操作造成的点云局部信息损失问题，极大地提高了模型在复杂地物分类上，特别是提高对粗糙表面地物分类的分类精度，能够更好的应用于地物类型复杂的城市地物分类。

主权项：1.激光雷达点云数据城市地物PointEFF精细分类方法，其包括以下步骤：步骤1.点云数据分块；步骤2.构建PointEFF端对端特征提取层；步骤3.构建PointEFF外部特征融合层；步骤4.输入数据，得到点云类别标签并进行精度评价；按照如下步骤构建PointEFF端对端特征提取层：端对端特征提取层包括网络编码器和解码器两部分；编码器通过抽象集合操作对一组点进行处理和抽象，以递归提取点云局部区域的多尺度特征；解码器通过特征传播操作操作逐渐恢复空间维度，融合编码过程中提取到的特征，在减少信息损失的前提下完成同尺度的输入输出；二者通过两组跳跃链接模块来传递同尺度的特征；网络编码器包含三次抽象集合操作，抽象集合由采样层、分组层和特征提取层三部分组成；首先，将具有3维属性x,y,z的N个激光雷达点输入到网络中，采样层通过迭代最远点采样算法选择N′点来定义局部区域的N′个质心；之后在分组层中，通过球查询算法，设定半径r，搜索质心范围r内相邻的k点构建局部区域；在执行采样层和分组层之后，激光雷达点被采样成N′中心簇，每个中心簇包含k个点和它们的36维属性，输出涉及一组大小为N′×k×36的点集；最后，我们通过特征提取层将这些局部区域编码为特征向量；将点集输入MLP网络，输出为N′×k×C，其中C为通过MLP提取的特征，每个中心簇再经过最大池化操作，选取每个中心簇中最大的特征作为区域特征，输出为N′×C；经过三次抽象集合，直至输出为1×1024的全局特征；网络解码器由三次特征传播操作和二组跳跃链接模块构成，其利用上采样操作逐渐恢复空间维度，融合编码过程中提取到的特征，在减少信息损失的前提下完成同尺度的输入输出；在特征传播层中，为了将学习到的特征从采样点传播到原始点，对于通过编码器得到的N″×C′维特征图，首先使用反距离加权算法进行插值，计算每个待插值点到所有点的距离，计算出权重，将点数从N″插值到N′，得到插值后的N′×C′维特征图；再通过跳跃链接模块链接同尺度下编码器得到的C维特征图，得到N′×C′+C维特征图；最后通过多层感知器，得到N′×C″′维特征图；在经过三层特征传播层后，得到N×128维特征图；按照如下步骤构建PointEFF外部特征融合层：外部特征融合层由手工设计描述符的提取和外部特征融合模块构成，选择快速点特征直方图作为外部特征融合模块的输入；利用最小二乘法平面拟合求得点云法线，根据求得的法向量，建立两点之间的局部坐标系：μ＝ηs ω＝μ×υ点法线对之间的差异可以用角度α、𝜙和θ表示：α＝υ·ηt θ＝arctanω·ηt,μ·ηtd＝||pt-ps||2然后对角度α、𝜙和θ量化形成点特征直方图PFH；快速点特征直方图的特征表示为： 在获取快速点云点特征直方图后，将端对端特征提取层得到的N×128维特征图和N×33维快速点特征直方图作为输入传递进外部特征融合模块；在外部特征融合模块中，端对端特征提取层得到特征为：x∈R128快速点特征直方图的特征为：y∈R33通过拼接操作得到新的特征图为：z＝[x,y]∈R128+33拼接操作完毕后，再通过多层感知机，得到N×128维特征图，即每个点都有128维特征；最后，输入特征图，通过一维卷积得到点云类别标签，激光雷达点云数据城市地物PointEFF精细分类方法设计完。

全文数据：

权利要求：

百度查询： 桂林理工大学 激光雷达点云数据城市地物PointEFF精细分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD