[发明专利]一种参数化视角学习的三维立体形状识别方法

权利要求书

1.一种参数化视角学习的三维立体形状识别方法，其特征在于，采用PVLNet网络进行识别，所述PVLNet网络包括可微分视角生成器、可感知遮挡的深度图生成器和视图特征提取器，所述方法包括以下步骤：

S1：将点云和多个代表不同视图方向的视角参数输入可微分视角生成器，分别得到点云在不同视图方向下的投影平面，其中，点云在每个视图方向下的投影平面均有两个，且两个投影平面相对，定义为上投影面和下投影面；

S2：将点云的的不同视图方向的上投影面和下投影面均输入可感知遮挡的深度图生成器，分别得到点云在不同视图方向下的正面深度图和背面深度图；

S3：分别将同一视图方向下的点云的正面深度图和背面深度图拼接后得到的双通道深度图输入视图特征提取器，分别得到每个视图方向下的点云特征，将每个视图方向下的点云特征聚合，得到聚合特征，根据所述聚合特征得到识别结果。

2.根据权利要求1所述的一种参数化视角学习的三维立体形状识别方法，其特征在于，S1中得到投影平面的方式为：

通过旋转矩阵对齐点云，旋转对齐后的视觉方向与Z轴对齐，并对点云的坐标进行归一化；

根据对齐后的点云得到上投影面和下投影面。

3.根据权利要求2所述的一种参数化视角学习的三维立体形状识别方法，其特征在于，所述上投影面Z₁＝1，下投影面Z₁＝-1。

4.根据权利要求2所述的一种参数化视角学习的三维立体形状识别方法，其特征在于，所述通过旋转矩阵对齐点云中，对齐后的点云式中，R_v是从视图向量v到Z轴上的单位向量u的旋转矩阵，P为原始点云数据。

5.根据权利要求4所述的一种参数化视角学习的三维立体形状识别方法，其特征在于，所述旋转矩阵R_v为：

式中，I是单位矩阵。

6.根据权利要求2所述的一种参数化视角学习的三维立体形状识别方法，其特征在于，对齐后的点云在上投影面和下投影面上的像素为

式中，[i,j]代表图像平面的像素坐标，代表了上投影面i,j点的像素，代表了下投影面i,j点的像素，是平面上对应的点云上的投影点。

7.根据权利要求2所述的一种参数化视角学习的三维立体形状识别方法，其特征在于，S2中采用欧氏距离计算点云的点与投影后的像素的关联程度然后作为权重掩码计算投影点像素值。

8.根据权利要求7所述的一种参数化视角学习的三维立体形状识别方法，其特征在于，S2中采用高斯核函数来计算点云像素与对齐后的点云之间置信度的估计掩膜。

9.根据权利要求1所述的一种参数化视角学习的三维立体形状识别方法，其特征在于，S3中每个视图方向下拼接得到的双通道深度图以共享权重的方式输入视图特征提取器。

10.根据权利要求1-9任一所述的一种参数化视角学习的三维立体形状识别方法，其特征在于，所述视图特征提取器为卷积神经网络。