[发明专利]样本数据预处理方法、装置及计算机可读存储介质

说明书

本公开的实施例公开了一种样本数据预处理方法、装置及计算机可读存储介质。该方法包括：从空间的三维点云数据中提取空间内场景的表面模型；其中，表面模型利用N个三角网格表示；从N个三角网格中提取M个特征平面；根据三维点云数据，确定M个特征平面各自的类别标签；根据M个特征平面，确定训练点集合；根据M个特征平面各自的类别标签，确定训练点集合中的各个点各自的类别标签；其中，训练点集合和训练点集合中的各个点各自的类别标签作为样本用于神经网络的训练。本公开的实施例能够规避人工标注信息不准确、不完备对神经网络的训练造成的不良影响，从而有利于提升训练出的神经网络的准确性和可靠性。

技术领域

本公开涉及机器学习技术领域，尤其涉及一种样本数据预处理方法、装置及计算机可读存储介质。

背景技术

随着硬件水平以及数据采集技术的提升，获取大规模室内场景点云数据(例如房屋的三维点云数据)的门槛越来越低。

一些情况下，在获取房屋的三维点云数据之后，需要利用各个点均人工标注有类别标签的三维点云数据，训练得到所需的神经网络(例如用于进行特征提取的神经网络)。需要指出的是，三维点云数据中的人工标注信息可能并不准确和完备，这样会对神经网络的训练造成不良的影响。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种样本数据预处理方法、装置及计算机可读存储介质。

根据本公开实施例的一个方面，提供了一种样本数据预处理方法，包括：

从空间的三维点云数据中提取空间内场景的表面模型；其中，所述表面模型利用N个三角网格表示；

从所述N个三角网格中提取M个特征平面；

根据所述三维点云数据，确定所述M个特征平面各自的类别标签；

根据所述M个特征平面，确定训练点集合；

根据所述M个特征平面各自的类别标签，确定所述训练点集合中的各个点各自的类别标签；其中，所述训练点集合和所述训练点集合中的各个点各自的类别标签作为样本用于神经网络的训练。

在一个可选示例中，所述根据所述三维点云数据，确定所述M个特征平面各自的类别标签，包括：

根据所述三维点云数据，确定所述N个三角网格各自的类别标签；

根据所述N个三角网格各自的类别标签，确定所述M个特征平面各自的类别标签。

在一个可选示例中，所述根据所述三维点云数据，确定所述N个三角网格各自的类别标签，包括：

从所述三维点云数据中的各个点中，筛选距离目标三角网格最近的点；其中，所述目标三角网格为所述N个三角网格中的任一三角网格；

获取所筛选的点的类别标签；

将所筛选的点的类别标签确定为所述目标三角网格的类别标签。

在一个可选示例中，所述根据所述N个三角网格各自的类别标签，确定所述M个特征平面各自的类别标签，包括：

确定类别标签集合；其中，所述类别标签集合中包括所述N个三角网格中、分布于目标特征平面上的各个三角网格各自的类别标签，所述目标特征平面为所述M个特征平面中的任一特征平面；

筛选所述类别标签集合中互不重复的各个类别标签；

统计所筛选的各个类别标签在所述类别标签集合中的出现次数；

将所筛选的各个类别标签中、所对应出现次数最多的类别标签确定为所述目标特征平面的类别标签。

在一个可选示例中，所述根据所述M个特征平面，确定训练点集合，包括：