[发明专利]一种基于多尺度监督的三维场景点云分割方法

权利要求书

1.一种基于多尺度监督的三维场景点云分割方法，其特征在于：包括以下步骤：

步骤1：获取点云数据并对其进行旋转、平移操作；

步骤2：构建基于多尺度监督的点云分割网络模型；

步骤3：将步骤1获得的点云数据连同标签信息输入步骤2获得的模型进行多尺度监督语义分割。

2.根据权利要求1所述的方法，其特征在于：所述网络模型遵循编码器-解码器结构；所述编码器对输入点云进行语义特征提取，对标签进行类别信息向量提取，所述语义特征提取与类别信息向量提取共享下采样；所述解码器采用上采样技术恢复输入分辨率，同时对每层特征进行预测，并利用编码阶段生成的类别信息向量作为标签，对多个不同尺度的解码特征进行监督，指导网络特征的学习，最后通过全连接层为每个输入点云分配一个语义类别。

3.根据权利要求2所述的方法，其特征在于：所述编码器利用SCF-Net作为主干网络提取点云特征。

4.根据权利要求2所述的方法，其特征在于：所述类别信息向量的具体定义为：以表示编码器第k层中的第i个点，将类别信息向量定义为一个1×C的二进制向量，表示点的感受野内存在的对象类别；点云感受野中若存在第j个类别，元素为1，若不存在，则为0；将定义为输入点云的类别信息向量，则点云感受野中只含有自身点，具体定义如下式所示：

式中，l_i表示输入点云p_i的标签；

编码器第k层的类别信息向量利用编码器第k-1层的类别信息向量通过类别信息聚合推得而出，所述类别信息聚合如下式所定义：

式中，n表示点在k-1层感受野中的点云序号，N(i)表示点在k-1层感受野中的点云集合，∨表示逻辑或操作。

5.根据权利要求2所述的方法，其特征在于：所述编码器利用类别信息生成模块提取类别信息向量，具体提取过程包括：将上一层的类别信息向量作为输入，对于单个类别信息向量，通过K近邻算法获取邻域内的K个类别信息向量，经过一次类别信息聚合操作得到能够表示其邻域的类别信息向量。

6.根据权利要求2所述的方法，其特征在于：所述解码器使用类别信息预测模块对每层特征进行预测，具体预测过程包括：

(1)定义解码特征d^k对应于编码特征e^k，e^k-1相对于e^k是邻近的浅层编码特征，拥有更加丰富的细粒度局部结构信息，e^k+1相对于e^k是邻近的高层编码特征，拥有更多的高层语义上下文信息；

(2)利用多层感知机和最远点采样将邻近浅层编码特征e^k-1与解码特征d^k对齐，利用多层感知机和最近邻插值将邻近高层编码e^k+1与解码特征d^k对齐；将对齐后的浅层和高层特征拼接后输入多层感知机中，得到融合了浅层几何信息和高层语义信息的增强特征f^k，定义如下式所示：

式中，MLP表示多层感知机，FPS表示最远点采样，NI表示最近邻插值，表示拼接操作；

(3)将增强特征f^k与解码特征d^k拼接后输入多层感知机，然后通过Sigmoid函数得到预测类别信息向量定义如下式所示：

7.根据权利要求6所述的方法，其特征在于：类别信息预测过程中引入类别信息预测损失，计算过程如下式表示：

式中，表示点在解码器中对应层的预测类别类别信息向量，表示每一点所产生的预测损失，表示每一层中所有点产生的预测损失，C表示类别总数，N表示对应层的点云数，L_c表示解码器所有层产生的预测损失。