[发明专利]一种3D点云弱监督语义分割方法及系统

说明书

本发明公开了一种3D点云弱监督语义分割方法及系统，获得第一点云数据集；通过所述d维特征嵌入模块对所述第一点云数据集进行特征嵌入，获得第二点云数据集；通过所述邻接矩阵估计模块对所述第二点云数据集中的数据进行成对关联性评估；获得第一评估结果；根据所述第一评估结果，基于一阶近似光谱卷积进行所述全局特征聚合模块的构建；获得所述全局特征聚合模块的第一输出结果；对所述第一输出结果进行特征融合处理，根据所述特征融合处理结果，获得所述第一点云数据集的第一分区结果。现有技术中3D点云的分割存在分割无效或分割效率低下的技术问题。

技术领域

本发明涉及3D点云的分割相关领域，尤其涉及一种3D点云弱监督语义分割方法及系统。

背景技术

除了常用的RGB颜色信息外，3D点云数据还包含真实世界的固有深度和几何信息。对于自动驾驶汽车和移动机器人等智能应用来说，点云的语义分割是一个基本问题，需要了解它们周围的场景。3D传感器尽可能捕获大尺度3D点云，并且最近的大部分研究工作都集中在完全监督的语义分割上。但是，人工标注点云的语义基准图像是劳动强度较大的一项工作，这限制了分割算法的快速发展。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中3D点云的分割存在分割无效或分割效率低下的技术问题。

发明内容

本申请实施例通过提供一种3D点云弱监督语义分割方法及系统，解决了现有技术中3D点云的分割存在分割无效或分割效率低下的技术问题，达到对3D点云进行准确、高效分割的技术效果。

鉴于上述问题，提出了本申请实施例提供一种3D点云弱监督语义分割方法及系统。

第一方面，本申请实施例提供了一种3D点云弱监督语义分割方法，所述方法应用于一语义分割系统，所述语义分割系统与d维特征嵌入模块、邻接矩阵估计模块、全局特征聚合模块通信连接，所述方法包括：获得第一点云数据集；通过所述d维特征嵌入模块对所述第一点云数据集进行特征嵌入，获得第二点云数据集；通过所述邻接矩阵估计模块对所述第二点云数据集中的数据进行成对关联性评估；获得第一评估结果；根据所述第一评估结果，基于一阶近似光谱卷积进行所述全局特征聚合模块的构建，其中，所述一阶近似光谱卷积为：g(P,A₁,Θ₁)＝[D^1/2₁A₁D^1/2₁]⊙f₁(P,Θ₁)，其中，A₁为所述第一评估结果，f₁(P,Θ₁)表示进行特征嵌入时的卷积神经网络，Θ₁为进行特征嵌入时的学习权重参数，P代表所述第二点云数据集，⊙表示矩阵乘法的运算符，而D₁表示A₁的对应度矩阵；获得所述全局特征聚合模块的第一输出结果；对所述第一输出结果进行特征融合处理，根据所述特征融合处理结果，获得所述第一点云数据集的第一分区结果。