[发明专利]面向机器人视觉处理系统的三维点云数据处理方法

权利要求书

1.面向机器人视觉处理系统的三维点云数据处理方法，其特征在于：包括以下步骤：

S1：通过雷达设备采集环境点云，使用最远点采样方法对获取的环境点云进行下采样得到中心点；

S2：对于下采样得到的每个中心点，以中心点为中心，利用k近邻方法在原点云中搜索邻居点；

S3：将邻居点三维坐标、邻居点特征拼接为邻居特征矩阵M₁；

S4：对邻居特征矩阵M₁进行分组窗口归一化得到特征矩阵M₂，用于将邻居点区分为用于提供纹理信息或提供空间信息；

S5：利用第一多层感知机网络将特征矩阵M₂预处理为特征矩阵M₃，完成邻居点的特征处理；

S6：对于每个中心点，将特征矩阵M₃与中心点特征进行拼接得到特征矩阵M₄；

S7：利用第二多层感知机网络和最大池化函数对特征矩阵M₄进行特征提取，将提取的表示纹理信息或空间信息的特征作为新的中心点特征。

2.根据权利要求1所述的面向机器人视觉处理系统的三维点云数据处理方法，其特征在于，所述点云表征为包含多个特征的多维特征矩阵，所述特征为三维空间坐标、RGB特征和反射强度中的一种。

3.根据权利要求1所述的面向机器人视觉处理系统的三维点云数据处理方法，其特征在于，所述分组窗口归一化通过函数实现：

其中，表示归一化结果，即特征矩阵M₂，P是三维点云，FPS表示最远点采样方法，x_i是下采样得到的中心点坐标，KNN表示k近邻方法，x_i,j表示第i个中心点x_i的第j个邻居点，即邻居特征矩阵M₁，ε是常数，σ为中间变量，m代表K个邻居点中距离中心点距离小于阈值的m个邻居点，d表示特征维度，K为中心点x_i的邻居点个数；

第1～m个邻居点包含的特征构成纹理信息，第(m+1)～K个邻居点包含的特征构成空间信息。

4.根据权利要求1所述的面向机器人视觉处理系统的三维点云数据处理方法，其特征在于，所述将特征矩阵M₂预处理为特征矩阵M₃通过下式实现：

M₃＝LB(M₂)

其中，LB是不含激活函数的多层感知机网络，网络的输出特征维度与中心点特征维度相同。

5.根据权利要求1所述的面向机器人视觉处理系统的三维点云数据处理方法，其特征在于，所述第一多层感知机网络和第一多层感知机网络的训练，包括以下步骤：

用于训练的数据集包括机器人采集到的点云数据和对应的表示目标类别的标签数据，所述点云数据包含三维坐标、以及额外的RGB特征或反射强度；

所述第一多层感知机网络的输入为归一化后的特征矩阵M₂，输出为包含优化后中心点特征的点云，即特征矩阵M₃；

所述第二多层感知机网络的输入为归一化后的特征矩阵M₄，输出为包含优化后中心点特征的点云。

6.根据权利要求1所述的面向机器人视觉处理系统的三维点云数据处理方法，其特征在于，所述利用第二多层感知机网络和最大池化函数对特征矩阵M₄进行特征提取，包括以下步骤：

将特征矩阵M₄先经过第二多层感知机网络进行特征学习，再利用最大池化函数进行特征聚合，得到用于表示纹理信息或空间信息的特征。

7.根据权利要求1所述的面向机器人视觉处理系统的三维点云数据处理方法，其特征在于，当实时获取环境点云时，通过步骤S1～S7进行实时在线数据处理，得到新的中心点特征用于通过第三多层感知机网络获取每个点的目标类别标签以表示预测类别。