[发明专利]点云数据分类方法、装置、设备及可读存储介质

权利要求书

1.一种点云数据分类方法，其特征在于，所述点云数据分类包括以下步骤：

提取预设点云数据的点云特征向量；

基于预设升维算法对所述点云特征向量进行升维，得到升维后点云特征向量；

对所述升维后点云特征向量进行分类，得到分类结果。

2.如权利要求1所述的方法，其特征在于，所述基于预设升维算法对所述点云特征向量进行升维，得到升维后点云特征向量，包括：

基于预设降维算法对所述点云特征向量进行降维，得到降维后点云特征向量；

基于预设特征连接方法连接所述降维后点云特征向量对应的低维特征和所述点云特征向量对应的原始特征，得到升维后点云特征向量。

3.如权利要求2所述的方法，其特征在于，所述基于预设降维算法对所述点云特征向量进行降维，得到降维后点云特征向量，包括：

基于k近邻算法和局部线性嵌套获取所述点云特征向量对应的点在降维后空间下的表达；

基于所述降维后空间下的表达对各所述点进行降维，得到降维后点云特征向量。

4.如权利要求2所述的方法，其特征在于，所述基于预设降维算法对所述点云特征向量进行降维，得到降维后点云特征向量，还包括：

投影所述点云特征向量对应的点至预设投影平面，得到降维后点云特征向量。

5.如权利要求3或4所述的方法，其特征在于，所述对所述升维后点云特征向量进行分类，得到分类结果，包括：

基于k近邻算法和预设图神经网络对所述升维后点云特征向量进行特征嵌套，得到特征嵌套后点云特征向量；

对所述特征嵌套后点云特征向量进行分类，得到分类结果。

6.如权利要求5所述的方法，其特征在于，所述基于k近邻算法和预设图神经网络对所述升维后点云特征向量进行特征嵌套，得到特征嵌套后点云特征向量，包括：

基于k近邻算法和预设图神经网络构建所述升维后点云特征向量对应的点云图；

对所述点云图中的点特征与所述点云图中的边特征进行特征嵌套，得到特征嵌套后点云特征向量。

7.如权利要5所述的方法，其特征在于，所述对所述特征嵌套后点云特征向量进行分类，得到分类结果，包括：

对所述特征嵌套后点云特征向量进行卷积操作，得到卷积后点云特征向量；

对所述卷积后点云特征向量进行最大池化操作，得到池化后点云特征向量；

基于多层感知机将所述池化后点云特征向量处理为预设维数的目标点云特征向量；

对所述目标点云特征向量进行分类，得到分类结果。

8.一种点云数据分类装置，其特征在于，所述点云数据分类装置包括：

提取模块，用于提取预设点云数据的点云特征向量；

升维模块，用于基于预设升维算法对所述点云特征向量进行升维，得到升维后点云特征向量；

分类模块，用于对所述升维后点云特征向量进行分类，得到分类结果。

9.一种点云数据分类设备，其特征在于，所述点云数据分类包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的点云数据分类程序，所述点云数据分类程序被所述处理器执行时实现如权利要求1至7中任一项所述的点云数据分类方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有点云数据分类程序，所述点云数据分类程序被处理器执行时实现如权利要求1至7中任一项所述的点云数据分类方法的步骤。