[发明专利]一种三维点云处理方法及系统在审
申请号: | 202111509439.3 | 申请日: | 2021-12-10 |
公开(公告)号: | CN114298168A | 公开(公告)日: | 2022-04-08 |
发明(设计)人: | 胡事民;国孟昊;刘政宁 | 申请(专利权)人: | 清华大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 陈新生 |
地址: | 100084 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 三维 处理 方法 系统 | ||
1.一种三维点云处理方法,其特征在于,包括:
获取三维点云数据;
将所述三维点云数据输入到训练好的三维点云数据处理模型中,得到所述三维点云数据的处理结果,所述训练好的三维点云数据处理模型是由标记有点云数据类型的样本三维点云数据,对双分支网络进行训练得到的,其中,所述双分支网络是由自适应图卷积网络和局部图卷积网络构建得到的。
2.根据权利要求1所述的三维点云处理方法,其特征在于,所述将所述三维点云数据输入到训练好的三维点云数据处理模型中,得到所述三维点云数据的处理结果,包括:
所述训练好的三维点云数据处理模型用于对所述三维点云数据进行分类处理,得到所述三维点云数据的分类结果;
或,所述训练好的三维点云数据处理模型用于对所述三维点云数据进行分割处理,得到所述三维点云数据的分割结果。
3.根据权利要求2所述的三维点云处理方法,其特征在于,若得到三维点云数据的分类结果,则所述训练好的三维点云数据处理模型通过以下步骤得到:
获取样本三维点云数据,并对每个样本三维点云数据标记点云数据类型标签,构建得到第一训练样本集;
将所述第一训练样本集中的数据输入到双分支网络进行训练,得到训练好的三维点云数据处理模型。
4.根据权利要求2所述的三维点云处理方法,其特征在于,若得到三维点云数据的分割结果,则所述训练好的三维点云数据处理模型通过以下步骤得到:
获取样本三维点云数据,并将样本三维点云数据中每个点标记点云数据类型标签,构建得到第二训练样本集;
将所述第二训练样本集中的数据输入到双分支网络进行训练,得到训练好的三维点云数据处理模型。
5.根据权利要求1所述的三维点云处理方法,其特征在于,所述自适应图卷积网络是由自注意力机制模型构建的,所述局部图卷积网络是由K近邻模型构建的。
6.根据权利要求1所述的三维点云处理方法,其特征在于,在所述将所述三维点云数据输入到训练好的三维点云数据处理模型中,得到所述三维点云数据的处理结果之前,所述方法还包括:
基于反向传播算法,对训练好的三维点云数据处理模型进行优化,得到优化后的三维点云数据处理模型,以通过所述优化后的三维点云数据处理模型,对所述三维点云数据进行处理。
7.根据权利要求1所述的三维点云处理方法,其特征在于,在所述获取三维点云数据之后,所述方法还包括:
通过多层感知机,对所述三维点云数据进行特征提取,得到点云数据特征,以供所述训练好的三维点云数据处理模型对所述点云数据特征进行处理。
8.一种三维点云处理系统,其特征在于,包括:
点云数据获取模块,用于获取三维点云数据;
点云数据处理模块,用于将所述三维点云数据输入到训练好的三维点云数据处理模型中,得到所述三维点云数据的处理结果,所述训练好的三维点云数据处理模型是由标记有点云数据类型的样本三维点云数据,对双分支网络进行训练得到的,其中,所述双分支网络是由自适应图卷积网络和局部图卷积网络构建得到的。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述三维点云处理方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,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任一项所述三维点云处理方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111509439.3/1.html,转载请声明来源钻瓜专利网。