[发明专利]一种基于关系特征的三维点云特征学习方法和装置

说明书

本发明提出一种基于关系特征的三维点云特征学习方法和装置，方法包括：获取3D点云数据，确定3D点云数据中的各个子点云区域，对各个子点云区域进行特征提取，确定各个子点云区域的区域特征，根据各个子点云区域的区域特征，确定每一个子点云区域的区域特征与各个子点云区域的区域特征之间的关系特征，根据每一个子点云区域的区域特征与各个子点云区域的区域特征之间的关系特征，融合得到每一个子点云区域的全局关系特征，将每一个子点云区域的全局关系特征进行融合，得到3D点云数据的全局关系特征，实现了充分利用3维点云的关系特征，更加能体现物体的结构关系，提高了物体3维识别的准确性。

技术领域

本发明涉及计算机视觉与机器学习技术领域，尤其涉及一种基于关系特征的三维点云特征学习方法和装置。

背景技术

3D点云识别在雷达信息处理、场景重构等实际应用中发挥着重要的作用。不同于2D图片的像素信息紧密且有序，3D点云数据由稀疏且无序的3D坐标构成，因而缺少结构化表示方式，这给3D点云数据分析带来较大挑战。

早期3D点云识别方法着重于浅层特征的提取，其中代表性的手工特征有SpinImage算子、快速点特征直方图和热核特征。随着硬件计算能力的快速发展，研究者们也在3D点云处理和识别展开了一系列开创性工作。

相关技术中，采用PointNet++对3D点云进行特征提取，然而PointNet++仅考虑了3D点云的各区域的区域特征，使得对3D点云数据的识别准确度较差。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明提出一种基于关系特征的三维点云特征学习方法，根据确定的各个子点云区域的区域特征，确定每一个子点云区域的区域特征与各个子点云区域的区域特征之间的关系特征，并将关系特征进行融合，实现了充分利用3维点云的关系特征，更加能体现物体的结构关系，提高了物体3维识别的准确性，解决了现有技术中3维点云识别因仅考虑了区域特征，识别准确度较低的技术问题。

本发明提出一种基于关系特征的三维点云特征学习装置。

本发明一方面实施例提出了一种基于关系特征的三维点云特征学习方法，方法包括：

获取3D点云数据，确定所述3D点云数据中的各个子点云区域；

对各个子点云区域进行特征提取，确定所述各个子点云区域的区域特征；

根据所述各个子点云区域的区域特征，确定每一个子点云区域的区域特征与所述各个子点云区域的区域特征之间的关系特征；

根据每一个子点云区域的区域特征与所述各个子点云区域的区域特征之间的关系特征，融合得到每一个子点云区域的全局关系特征；

将所述每一个子点云区域的全局关系特征进行融合，得到所述3D点云数据的全局关系特征。

本发明又一方面实施例提出了一种基于关系特征的三维点云特征学习装置，所述装置包括：

第一确定模块，用于获取3D点云数据，确定所述3D点云数据中的各个子点云区域；

第二确定模块，用于对各个子点云区域进行特征提取，确定所述各个子点云区域的区域特征；

第三确定模块，用于根据所述各个子点云区域的区域特征，确定每一个子点云区域的区域特征与所述各个子点云区域的区域特征之间的关系特征；

第一融合模块，用于根据每一个子点云区域的区域特征与所述各个子点云区域的区域特征之间的关系特征，融合得到每一个子点云区域的全局关系特征；

第二融合模块，用于将所述每一个子点云区域的全局关系特征进行融合，得到所述3D点云数据的全局关系特征。