[发明专利]一种基于查找表加速点云分割的方法

说明书

本发明属于计算机视觉领域下的3D点云分割领域，更具体地，涉及一种基于查找表加速点云分割的方法，开拓性的将查找表的思想应用到点云分割的问题上来，利用访问查找表代替了神经网络的前向计算，极大的加速了点云分割的过程。本发明创新性的将主成分分析应用于点云分割处理上，让分割网络可以摆脱对空间变换网络模块的依赖，使点云分割网络具有旋转不变性的同时减少了计算量。

技术领域

本发明属于计算机视觉领域下的3D点云分割领域，更具体地，涉及一种基于查找表加速点云分割的方法。

背景技术

在无人驾驶系统中，根据获取到的点云数据完成实时的分割，从而形成实时的决策是至关重要的。在过去几年中，关于如何在点云分割网络上完成模型压缩和加速模型推断取得了许多进展。比如假定分割网络中的各层网络参数彼此独立，利用控制变量的方法，探究某一层网络参数的设置对整体分割网络的性能影响，从而修剪分割网络中不重要的连接，减少网络层数。同时，将网络参数进行量化处理，将网络参数从浮点数转化为整型数，从而快速完成深度神经网络中卷积层，池化层，全连接层的运算。该类方法通过减少网络参数数量和提升网络运算速度来加快点云分割网络的分割过程。由于该方法对分割网络进行了修剪，减少了网络参数并且损失了网络参数的精度，该方法对网络性能以及分割准确率会有较大影响。

发明内容

本发明为克服上述现有技术中的至少一个缺陷，提供一种基于查找表加速点云分割的方法，利用查找表提升点云网络分割的效率，大幅度减少点云分割花费的时间。

为解决上述技术问题，本发明采用的技术方案是：一种基于查找表加速点云分割的方法，包括以下步骤：

S1.点云数据归一化处理，得到尺寸归一化的点云；

S2.搭建并训练点云分割网络PointNet，点云分割问题可以看作是对点云中每个点的分类问题；其中，网络的输入为N×3的点云数据，N为点云中包含的点的数量，每个点有三维坐标进行表示。网络输出为N×K，K为点云中每个点的分类标签；训练完毕后保存网络参数；

S3.建立特征查找表；

S4.对PointNet_Seg_Basic_Cls部分进行微调，进一步提升分割网络的分割准确率；

S5.对点云进行快速分割，通过特征查找表，获取点云中每个点的特征并将每个点的特征输入到微调后的PointNet_Seg_Basic_Cls网络中获取该点的分类结果；综合每个点的分类情况，最后得到点云的分割结果。

进一步的，所述的步骤S1具体包括：

S11.利用重心平移实现点云平移归一化，首先依据公式计算点云的重心，然后将点云的每个点都跟随着重心移动，每个点平移后的坐标为P'_i＝P_i-P_center；

S12.利用主成分分析方法实现点云旋转归一化；

S13.利用轴对齐包围盒实现点云尺寸归一化。

进一步的，所述的步骤S12具体包括：

S121.计算点云的3×3协方差矩阵，利用特征分解求解三个特征值，从大到小排列为λ₁,λ₂,λ₃，并将对应的特征向量e₁,e₂,e₃构成旋转矩阵R＝(e₁,e₂,e₃)；

S122.将点云的每个点投影到由e₁,e₂,e₃构成的空间坐标系中，对点云的每个点进行投影操作为P_new＝R^-1P_i＝R^TP_i。