[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

说明书

本发明属于点云分类技术领域，公开了一种基于局部边缘特征增强的点云分类方法及系统，所述基于局部边缘特征增强的点云分类系统包括：点云数据获取模块、数据预处理模块、主控模块、边缘特征提取模块、边缘特征增强模块、特征填充模块、点云分类模型构建模块、点云分类模块、云存储模块、显示模块。本发明通过获取点云体素化数据、点云体素化数据对应的点云在预设邻域内的边缘特征，以及点云体素化数据对应点云对应的体素位置，基于图卷积网络结构和通道注意力机制构建出点云分类模型对特征填充后的点云进行分类，并输出点云分类结果，增加了特征通道之间的相互依赖关系，加强了点云的全局特征表示，从而提高了点云分类的效率和预测准确度。

技术领域

本发明属于点云分类技术领域，尤其涉及一种基于局部边缘特征增强的点云分类方法及系统。

背景技术

目前，自从深度学习技术兴起之后，研究者们开始探索怎样利用深度神经网络来进行点云的特征学习，基于深度学习三维点云分类与分割也成为一个研究者们越来越重视的方向。

传统的点云分类方法主要利用人的领域知识手工构造特征，并使用支持向量机(SVM)、随机森林(RF)等算法对从样本中提取出的手工构造特征进行分类。这类方法需要针对不同的任务与不同的数据、依赖丰富的实践经验设计手工特征，不仅耗费人力，而且在特征的表达能力上也存在局限性。另外，传统的点云分类方法的点云分类准确性低下，不能对边缘特征进行增强处理，无法满足现有需求。因此，亟需一种新的基于局部边缘特征增强的点云分类方法。

通过上述分析，现有技术存在的问题及缺陷为：

(1)传统的点云分类方法需针对不同的任务与不同的数据、依赖丰富的实践经验设计手工特征，不仅耗费人力，而且在特征的表达能力上也存在局限性。

(2)传统的点云分类方法的点云分类准确性低下，不能对边缘特征进行增强处理，无法满足现有需求。

发明内容

针对现有技术存在的问题，本发明提供了一种基于局部边缘特征增强的点云分类方法及系统。

本发明是这样实现的，一种基于局部边缘特征增强的点云分类方法，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；