[发明专利]一种基于局部边缘特征增强的点云分类方法及系统

权利要求书

1.一种基于局部边缘特征增强的点云分类方法，其特征在于，所述基于局部边缘特征增强的点云分类方法包括以下步骤：

步骤一，通过点云数据获取模块利用数据获取设备接收点云分类请求，获取所述点云分类请求中的点云数据；

步骤二，通过数据预处理模块利用数据预处理程序对所述点云数据对应的点云进行点云体素化操作，得到点云体素化数据；

所述通过数据预处理模块利用数据预处理程序对所述点云数据对应的点云进行点云体素化操作的方法，包括：

(2.1)将获取的点云数据转换为笛卡尔坐标系的TXT文本文档格式，并以X、Y、Z形式的笛卡尔坐标表示三维点云数据；

(2.2)将基于三维点云数据的X、Y、Z笛卡尔坐标系以(X_min，Y_min，Z_min)为起始点，体元大小为步长，根据取整算法确定点云数据在空间中的体素坐标，将单个的点云数据转为三维体素值；

步骤三，通过主控模块利用主控器控制所述基于局部边缘特征增强的点云分类系统各个模块的正常运行；

步骤四，通过边缘特征提取模块利用特征提取程序获取所述点云体素化数据对应的点云在预设邻域内的边缘特征；

所述获取点云体素化数据对应的点云在预设邻域内的边缘特征的方法，包括：

(4.1)获取的点云体素化数据，并对获取的点云体素化数据进行处理，得到点云分布数据；

(4.2)对得到的点云分布数据进行处理，得到在对应点云在预设邻域内的关联特征距离数据和点云向量数据；

(4.3)根据得到的关联特征距离数据获取点云相似数据；

(4.4)根据得到的点云相似数据对点云向量数据进行分类，即可得到点云体素化数据对应的点云在预设邻域内的边缘特征；

步骤五，通过边缘特征增强模块利用特征增强程序对所述点云体素化数据对应的点云在预设邻域内的边缘特征进行增强处理；

步骤六，通过特征填充模块利用特征填充程序获取所述点云体素化数据对应点云对应的体素位置，并在所述点云对应的体素位置填充所述增强处理后的边缘特征；通过点云分类模型构建模块利用模型构建程序构建点云分类模型；

步骤七，通过点云分类模块利用点云分类程序利用构建的云分类模型对所述边缘特征填充后的点云进行分类，并输出所述点云数据对应的点云分类结果；

步骤八，通过云存储模块利用云数据库服务器存储获取的点云数据、与处理后的点云体素化数据、边缘特征、点云分类模型及点云分类结果；

步骤九，通过显示模块利用LED高清显示器显示获取的点云数据、与处理后的点云体素化数据、边缘特征、点云分类模型以及点云分类结果的实时数据。

2.如权利要求1所述基于局部边缘特征增强的点云分类方法，其特征在于，步骤(2.2)中，所述步长为2cm。

3.如权利要求1所述基于局部边缘特征增强的点云分类方法，其特征在于，步骤(2.2)中，所述将单个的点云数据转为三维体素值包括：

其中，i、j、k为对应的体素坐标，L为步长，即体素值大小。

4.如权利要求1所述基于局部边缘特征增强的点云分类方法，其特征在于，步骤七中，所述通过点云分类模块利用点云分类程序利用构建的云分类模型对所述边缘特征填充后的点云进行分类的方法，包括：

(1)将点云数据输入构建的所述云分类模型；其中，所述点云分类模型包括：至少一个KNN图卷积单元和通道注意力单元；

(2)依次通过各个所述KNN图卷积单元提取所述点云数据中所含点云数据中每个顶点所有边的特征聚合数据；

(3)将所述特征聚合数据依次经过多层感知器和池化处理后，得到第一全局点云特征；

(4)将所述第一全局点云特征输入所述通道注意力单元，通过所述通道注意力单元得到调整后的第二全局点云特征；

(5)根据调整后的第二全局点云特征得到点云分类结果。

5.如权利要求4所述基于局部边缘特征增强的点云分类方法，其特征在于，所述KNN图卷积单元包括边特征提取子单元和特征聚合子单元。