[发明专利]基于深度神经网络的室内三维点云自动语义分割算法

权利要求书

1.基于深度神经网络的室内三维点云自动语义分割算法，其特征在于，包括以下步骤：

步骤一、构建深度神经网络，深度神经网络包括局部特征提取单元、全局特征提取单元、处理单元，局部特征提取单元用于提取点云的局部特征，其包括第一卷积层、与第一卷积层连接的第一池化层，全局特征提取单元用于提取点云的全局特征，其包括与第一卷积层连接的第二卷积层、与第二卷积层连接的第二池化层，处理单元与第一池化层、第二池化层连接，所述处理单元用于将局部特征与全局特征融合并输出，其中，第一卷积层、第二卷积层均包括至少两层MLP层；

步骤二、获取待处理室内场景点云数据，并基于待处理室内场景点云数据建立室内三维点云数据集，将室内三维点云数据集输入深度神经网络，获取局部特征和全局特征，融合并输出，得到语义分割点云。

2.如权利要求1所述的基于深度神经网络的室内三维点云自动语义分割算法，其特征在于，第一卷积层、第二卷积层均包括四层MLP层。

3.如权利要求2所述的基于深度神经网络的室内三维点云自动语义分割算法，其特征在于，每层MLP层卷积核均为3×3。

4.如权利要求1所述的基于深度神经网络的室内三维点云自动语义分割算法，其特征在于，待处理室内场景点云数据的获取方法：先获取待处理室内场景图像，然后使用FaroFocus3D X130扫描仪扫描待处理室内场景图像，得到待处理室内场景点云数据。

5.如权利要求4所述的基于深度神经网络的室内三维点云自动语义分割算法，其特征在于，室内三维点云数据集的建立方法：将待处理室内场景点云数据依次进行配准、去噪、抽稀处理，得到室内三维点云数据集。

6.如权利要求1所述的基于深度神经网络的室内三维点云自动语义分割算法，其特征在于，深度神经网络还包括转换网络层，其与第一卷积层连接，用于使室内三维点云数据转换为具有刚体变换不变性的点云。

7.如权利要求1所述的基于深度神经网络的室内三维点云自动语义分割算法，其特征在于，所述处理单元包括与所述第一池化层、第二池化层连接的特征融合层，所述特征融合层用于将局部特征和全局特征进行融合得到融合特征，所述特征融合层连接有第三卷积层，所述第三卷积层连接有下采样层，所述下采样层用于将经第三卷积层处理后的融合特征进行下采样并输出，得到语义分割点云。