[发明专利]基于几何特征提取和边缘感知编码的三维点云分割方法

权利要求书

1.一种基于几何特征提取和边缘感知编码的三维点云分割方法，其特征在于，该方法包括如下步骤：

构建并训练用于三维点云边缘预测的边缘预测网络以及用于对三维点云中各点进行分割预测的分割网络；

所述的边缘预测网络输入为三维点云中各个点所在邻域内的原始特征方差，输出为三维点云中各个点是否为边缘点；

所述的分割网络采用编码器解码器的结构，包括多层依次级联的且呈对称结构的编码器和解码器，三维点云的原始特征作为分割网络第一层的输入，同时边缘预测网络预测的边缘预测结果会在不同的尺度下进行使用，在点云进行采样的过程中，边缘预测结果随着一起下采样并与通常的下采样共享下采样的采样点，分割网络中的每一层执行以下操作：

首先，对当前采样尺度下的点云进行几何特征提取得到几何特征；

然后，将几何特征与当前层已有输入特征进行拼接得到拼接特征；

接着，基于边缘预测结果对拼接特征进行边缘感知特征提取更具有表征能力的特征并输出作为下一层的输入特征；

最后，利用跳跃链接将对应分辨率下编码器的特征与解码器的特征融合在一起，得到原始分辨率的特征，使用激活函数对原始分辨率的特征进行归一化，得到每个点属于不同类别的概率，完成点云分割。

2.根据权利要求1所述的一种基于几何特征提取和边缘感知编码的三维点云分割方法，其特征在于，三维点云的原始特征包括颜色、坐标、反射强度、法向量方向中的一种或多种的组合。

3.根据权利要求1所述的一种基于几何特征提取和边缘感知编码的三维点云分割方法，其特征在于，所述的边缘预测网络的进行边缘预测的过程包括：

对于三维点云中的每个点收集其原始特征，所述的原始特征包括多个维度；

对于每一个点的每一维特征，计算这一维特征周围邻域K个点的特征对应的方差，并将不同特征的方差作为新的输入特征送入边缘预测网络；

基于每个点的特征方差所组成的新的输入特征，利用共享的多层感知机提取每个点的高维特征；

将sigmoid函数应用到共享的多层感知机提取的特征上，得到每一个点属于非边缘点的概率。

4.根据权利要求1所述的一种基于几何特征提取和边缘感知编码的三维点云分割方法，其特征在于，边缘预测网络训练过程中对各点是否是边缘点进行标记的过程包括：

获取训练集中三维点云中每个点的语义类别标签，对于待标记的中心点寻找邻域内的K个最近邻居的标签信息；

计算中心点所在邻域内与中心点语义类别标签相同的点的数量，并除以K得到周围点与中心点语义类别标签相同的点的比例，若比例大于设定阈值，则中心点为非边缘点，否则中心点为边缘点。

5.根据权利要求1所述的一种基于几何特征提取和边缘感知编码的三维点云分割方法，其特征在于，所述的分割网络中进行几何特征提取具体为：

对于点云或者降采样后的点云中的某一个点，将其作为参照点，获取基准点邻域内的M个邻近点，计算各邻近点相对于参照点的位移向量；

设定几何卷积核为大小为M的无序三维方向向量集合，在几何卷积核中，利用点积最大的原则寻找到几何卷积核里面与各位移向量对应的方向向量；

对基准点邻域内的所有邻近点所对应的位移向量与匹配的方向向量分别进行点积并求和得到基准点的几何特征。

6.根据权利要求5所述的一种基于几何特征提取和边缘感知编码的三维点云分割方法，其特征在于，所述的寻找到几何卷积核里面与各位移向量对应的方向向量具体方式为：对于任意一个位移向量，分别与几何卷积核中的各个方向向量进行点积，选取点积值最大的方向向量作为与该位移向量匹配的方向向量。

7.根据权利要求1所述的一种基于几何特征提取和边缘感知编码的三维点云分割方法，其特征在于，所述的边缘预测网络的边缘预测结果为三维点云中各点属于非边缘点的概率。