[发明专利]基于点云的物体分类方法及相关设备

说明书

本发明公开了一种基于点云的物体分类方法及相关设备，涉及点云领域，主要为解决基于点云进行物体分类时，分类精度和稳定性难以兼顾的问题。该方法包括：确定目标物体的对齐点云坐标数据；基于所述对齐点云坐标数据和全局注意力机制确定高层特征矩阵；基于所述高层特征矩阵确定所述目标物体的全局特征以确定分类结果。本发明用于基于点云的物体分类过程。

技术领域

本发明涉及点云领域，尤其涉及一种基于点云的物体分类方法及相关设备。

背景技术

物体分类是视觉计算和模式识别中的经典问题。随着深度神经网络技术的发展，物体分类的性能突飞猛进，在机器人、自动驾驶、增强现实中显示出越来越强的应用潜力。常见的物体表示方法包括了图像和点云。由于图像结构具有天然的有序性、均匀性和规则性，因此深度神经网络技术首先在以图像为输入的物体分类上取得了成功。与图像输入相比，尽管三维点云具有更为丰富的空间信息且不易受光照变化影响的优势，但其天然的无序性、非均匀性和不规则性，使得设计一个直接以三维点云为输入的神经网络特征提取与分类方法充满了挑战。

目前常见的分类方法有：基于全局特征的方法、基于局部特征的方法和基于邻域特征的方法。尽管基于全局特征的方法因点的特征不受周围点的分布影响，对于因目标捕获距离远近等原因造成的点云疏密变化具有非常强的稳定性，但是存在分类精度较差的不足；而基于局部特征的方法和基于邻域特征的方法由于考虑了点云的局部特征和邻域特性，因此其性能会受到点云局部缺失和分布变化的影响。故现有技术中仍存在分类精度和稳定性难以兼顾的技术问题。

发明内容

鉴于上述问题，本发明提供一种基于点云的物体分类方法及相关设备，主要目的在于解决基于点云进行物体分类时，分类精度和稳定性难以兼顾的问题。

为解决上述至少一种技术问题，第一方面，本发明提供了一种基于点云的物体分类方法，该方法包括：

确定目标物体的对齐点云坐标数据；

基于上述对齐点云坐标数据和全局注意力机制确定高层特征矩阵；

基于上述高层特征矩阵确定上述目标物体的全局特征以确定分类结果。

可选的，上述方法还包括：

基于目标物体确定点云坐标数据；

基于空间变换网络对上述点云坐标数据进行空间变换以确定上述对齐点云坐标数据。

可选的，上述基于上述对齐点云坐标数据和全局注意力机制确定高层特征矩阵，包括：

基于全局特征提取架构和上述全局注意力机制确定基于全局注意力机制的目标全局特征提取模型；

基于上述对齐点云坐标数据和上述基于全局注意力机制的目标全局特征提取模型确定高层特征矩阵。

可选的，上述基于全局注意力机制的目标全局特征提取模型包括：基于全局注意力机制的多层感知机网络、基于级联全局注意力机制的特征变换网络和基于级联全局注意力机制的多层感知机网络。

可选的，

上述级联全局注意力机制是由多个全局注意力机制级联而成的，

上述多层感知机网络用于对点云数据的特征进行提取，

上述特征变换网络用于对点云数据的特征进行对齐。

可选的，上述基于上述对齐点云坐标数据和全局注意力机制确定高层特征矩阵，包括：

对上述对齐点云坐标数据进行基于全局注意力机制的多层感知机网络处理以获取低层特征矩阵；

对上述低层特征矩阵通过进行基于级联全局注意力机制的特征变换网络处理以获取对齐低层特征矩阵；