[发明专利]一种非等效三维点云分割方法

权利要求书

1.一种非等效三维点云分割方法，其特征在于，包括以下步骤：

步骤1：确定需要进行分割的非等效三维点云模型，并构建该模型的点云数据集；

步骤2：将点云数据集划分为训练集与测试集，其中，训练集中的点云数据用于分割模型训练，测试集中的点云数据用于对分割模型的分割性能进行评价；

步骤3：将训练集中的点云数据进行随机抽样，使各点云中的点数变为同一规格；

步骤4：设计基于卷积神经网络的点云分割模型；

步骤5：构造距离矩阵，具体为：遍历训练集中各点云模型的所有点，分别计算各点和与其不在同一分割区域的点之间的欧式距离，并选取两点之间最小的距离值构造距离矩阵，最后使得训练集中各点云模型的每个点都有距离矩阵中的一个距离值与其对应；

步骤6：设计惩罚函数，并以距离矩阵中的距离值作为惩罚函数的输入，使得越小的距离值经惩罚函数作用后输出的值越大，而越大的距离值经惩罚函数作用后输出的值越小；

步骤7：经惩罚函数作用后的距离矩阵与分割模型的损失函数相乘，实现对损失函数的加权处理，使得距离分割区域交界处越近的点因预测不准确导致的损失增加的程度越大，这样模型在训练的过程中，会着重对分割区域交界处的点进行优化；

步骤8：利用训练集中的点云数据对加权后的分割模型进行训练，在训练过程中使用小批量随机梯度下降方法以最小化模型预测输出和实际输出之间的误差，进而获得最优分割模型，并利用测试集中的点云数据对模型分割性能进行评价；

所述步骤3中，所设计的基于卷积神经网络的点云分割模型首先通过5个卷积层对点云特征进行提取，然后通过池化层对点云进行下采样，最后将各卷积层与池化层的特征进行组合，并通过3个卷积层输出分割结果。

2.如权利要求1所述的一种非等效三维点云分割方法，其特征在于：所述步骤1中，三维点云的非等效性定义为：在点云分割过程中，分割准确率由各区域交界处的点所决定，而距离区域交界处越远的点对分割准确率造成的影响越低，因此点云中各点距离分割区域交界处的远近造成了点云的非等效性。

3.如权利要求1所述的一种非等效三维点云分割方法，其特征在于：所述步骤3中，采用随机抽样的方法对各点云模型进行精简，使其点数一致，具体按照以下方法：首先确定各点云模型的点数Ni，确定所需要抽取的样本容量n，Ni、n均为正整数，对这些点云模型中的点不放回地进行抽样，使得每个点入样的可能性均为n/Ni。

4.如权利要求1所述的一种非等效三维点云分割方法，其特征在于：所述步骤5中，计算各点和与其不在同一分割区域的点之间的欧式距离时，首先根据各点所对应的标签判断其是否位于同一分割区域，然后按照点云数据文件中点的先后顺序分别进行距离计算，保证了点云数据文件中的各个点与距离矩阵中的值一一对应。

5.如权利要求1所述的一种非等效三维点云分割方法，其特征在于：所述步骤6中，设计的惩罚函数表达式为Mi＝1/edi–C，其中，di为各点所对应的距离矩阵中距离值的大小；C是惩罚因子，表示对距离惩罚程度的大小；Mi为距离矩阵中的距离值经惩罚函数作用后对应输出值的大小；

当di大于C时，输出Mi为大于0小于1的实数；

当di等于C时，输出Mi为1；

当di小于C时，输出Mi为大于1的实数；

通过对距离矩阵中各距离区间的分布进行分析，并对各个C取值下的点云模型的分割效果进行实验，最终确定C的取值。