[发明专利]一种基于LiDAR点云数据的目标识别监测方法

权利要求书

1.一种基于LiDAR点云数据的目标识别监测方法，其特征是：包括以下步骤：

采用激光雷达探测变电站工作人员获得稀疏的点云数据，将代表三维几何信息的原始点云数据喂入PointRCNN神经网络提取特征，第一阶段提取前景点，生成感兴趣区域RoI，第二阶段对生成的框进行细化；所述PointRCNN的特征提取网络是基于PointNet++的网络，特征提取部分由多层感知器MLP、T-Net和Max-pooling层组成；

使用基于层的累积模块对点云数据进行累加，以增强对象的语义信息；

使用随机森林算法对特征进行分类，判断出工作人员是否戴有安全帽。

2.根据权利要求1所述一种基于LiDAR点云数据的目标识别监测方法，其特征是：所述步骤1）中T-Net是一个微型网络，作用是生成需要的大小的旋转矩阵，不改变数据或者特征图结构的情况下使点云空间旋转不变性，MLP用于神经网络的特征提取，Max-pooling将MLP学到的网络池化，全连接成全局特征，用于分类和分割。

3.根据权利要求2所述一种基于LiDAR点云数据的目标识别监测方法，其特征是：所述步骤1）中将特征提取网络进行减重，具体减重方案为，在特征提取过程中，将特征提取矩阵的维度降低到原来的1/2。

4.根据权利要求1所述一种基于LiDAR点云数据的目标识别监测方法，其特征是：所述步骤2）中根据ICP算法对连续的点云数据进行刚性变换，通过SVD优化算法得到最适合的转换矩阵，然后累积连续点云并对累积后的点云进行重采样，ICP算法目的是使用一组映射H矩阵，对源点云进行旋转、平移操作，将不同坐标系下的点云统一到同一坐标系下，旋转矩阵的选择目标是使源点云和目标点云的欧氏距离最小。

5.根据权利要求1所述一种基于LiDAR点云数据的目标识别监测方法，其特征是：所述步骤3）中基于累积后的人体点云，选择最高点为种子点，使用球半径邻域获取每个点的特征信息，然后使用随机森林算法对特征进行分类。