[发明专利]一种基于点云语义标注和优化的点云分类方法

权利要求书

1.一种基于点云语义标注和优化的点云分类方法，其特征在于，该方法包括以下步骤：

步骤1：使用PointNet++对原始点云数据进行预分类，获得点云预分类结果；

步骤2：针对预分类结果使用全局空间正则化进行分类结果优化，得到最终点云分类结果；

所述步骤2包括以下分步骤：

步骤21：将点云预分类结果细分为多个子点集，并对每个子点集进行基于图像的正则化操作，获得多个经过基于图像的正则化操作的子点集；

步骤22：针对每个经过基于图像的正则化操作的子点集构建加权图并进行图分割操作，获得多个经过图分割操作的图模型；

步骤23：针对每个经过图分割操作的图模型的能量函数进行求解并最终得到最终点云分类结果。

2.根据权利要求1所述的一种基于点云语义标注和优化的点云分类方法，其特征在于，所述的步骤1具体包括：使用PointNet++的自动编码器部分对原始点云数据进行预分类，获得点云预分类结果。

3.根据权利要求2所述的一种基于点云语义标注和优化的点云分类方法，其特征在于，所述PointNet++的自动编码器部分的输入为城市场景与预训练模型对应的ShapeNet数据集。

4.根据权利要求2所述的一种基于点云语义标注和优化的点云分类方法，其特征在于，所述PointNet++的自动编码器部分的输出为城市场景与预训练模型对应的ShapeNet数据集中每个类别的分类概率。

5.根据权利要求1所述的一种基于点云语义标注和优化的点云分类方法，其特征在于，所述步骤22具体包括：针对每个经过基于图像的正则化操作的子点集构建加权图并通过GraphCuts算法进行图分割操作，获得多个经过图分割操作的图模型。

6.根据权利要求1所述的一种基于点云语义标注和优化的点云分类方法，其特征在于，所述步骤23具体包括：针对每个经过图分割操作的图模型的能量函数通过alpha扩展算法进行求解并最终得到最终点云分类结果。

7.根据权利要求6所述的一种基于点云语义标注和优化的点云分类方法，其特征在于，所述alpha扩展算法的求解过程具体包括：通过切割将所有alpha标记和alpha未标记的节点分开，在每次迭代时改变alpha标签，并且当迭代期间出现两个相邻节点不共享相同标签时插入中间节点，循环迭代至alpha的每个可能标签收敛时迭代结束。