[发明专利]一种基于扩张点卷积空间金字塔池化的点云语义分割方法

权利要求书

1.一种基于扩张点卷积空间金字塔的点云语义分割方法，其特征在于，包括以下步骤：

步骤1：基于ScanNet数据集点云，采用最远点采样算法获取点云子集中心点；

所述网络的输入点云分别为P{p₁,p₂,p₃…,p_n}，特征为F，使用迭代最远点采样算法从输入点云中选择出子集使得与子集中其他点距离最远；

步骤2：基于步骤1中获得的点云子集中心点，利用最近邻算法确定点云子集的范围；

输入形式为P×(D+C)和P₁×D的矩阵信息，输出形式为P₁×K₁×(D+C)矩阵信息。其中，P为输入点云个数，P₁为下采样中心点个数，D为各点的D维坐标信息，C为C维点特征信息，K₁为中心点邻域点的个数；

步骤3：利用改进型扩张点卷积空间金字塔池化提取局部邻域特征F₁，并得到P₁个抽象点；

输入形式为P₁×K₁×(D+C)的矩阵信息，输出形式为P₁×(D+C″)的矩阵信息。其中，C″为改进型扩张点卷积空间金字塔池化在局部邻域抽象得到的点特征维度；

步骤4：基于步骤3获得的P₁个抽象点云，进行采样、分组。

该步骤输入形式为P₁×(D+C′)的矩阵信息，输出形式为P₂×K₂×(D+C′)；其中，P₂为第二次下采样中心点个数，K₂为第二次下采样中心点邻域点个数；基于P₁个抽象点云，重复步骤1和步骤2操作，得到P₂个下采样中心点，K₂个中心点领域点，得到P₂个局部邻域；

步骤5：PointNet提取局部领域特征F₂；

输入形式为P₂×K₂×(D+C′)的矩阵，输出形式为P₂×(D+C″)；其中，C″为PointNet在局部领域抽象得到的点特征维度；

步骤6：解码P₂个含有F₂特征的抽象点云，得到P₁个含有F₃特征的抽象点云；

输入形式为P₂×(D+C″)的矩阵信息，输出形式为P₁×(D+C″′)；其中，C″′为解码后点云特征维度；

步骤7：解码P₁个含有F₃特征的抽象点云，得到P个含有F₄特征的抽象点云；

输入形式为P₁×(D+C″′)的矩阵信息，输出形式为P₁×(D+C″″)。其中，C″″为解码后点云特征维度；

步骤8：采用全连接层得到各个点云的标签；

输入形式P×(D+C″″)，输出P×k；其中k为场景点云类别数。