[发明专利]一种基于贝叶斯神经网络的点云识别与分割方法

权利要求书

1.一种基于贝叶斯神经网络的点云识别与分割方法，其特征在于：所述的贝叶斯神经网络包括特征提取、识别和分割三部分；其中特征提取部分包含三层贝叶斯卷积层，每个卷积层后连接一个激活层；识别部分的网络结构为三层全连接层，最终输出层节点数量与类别数量相同；分割部分的网络结构为三层贝叶斯卷积层，每个卷积层后连接一个激活层，最终输出层节点个数与点云中包含点的个数相等，每个节点输出一个长度与类别数量相等的向量；步骤如下：

步骤1：首先利用最远点采样方法对点云进行关键点提取，然后经过第一层贝叶斯卷积层和第一层激活层得到第一级特征F₁，重复上述步骤分别得到特征提取部分的二级特征F₂和三级特征F₃；

步骤2：对于识别任务，直接将F₃矩阵拉直为一维向量输入识别部分的全连接层，经过三层全连接层计算并将最终结果进行归一化指数函数计算得到识别结果；

步骤3：对于分割任务，将F₃输入分割部分，通过第一层贝叶斯卷积层和激活层得到第一级分割特征F₁′，并将该特征矩阵与F₂拼接得到特征矩阵[F₁′,F₂]；将合并的特征矩阵通过第二层贝叶斯卷积层和激活层得到第二级分割特征F′₂，并将该特征矩阵与F₁拼接得到特征矩阵[F′₂,F₁]；最终将特征矩阵[F′₂,F₁]通过第三层贝叶斯卷积层计算，得到每个点的所属类别，从而实现分割。