[发明专利]一种点云分类方法、装置、设备及存储介质

说明书

本发明公开了一种点云分类方法、装置、设备及存储介质。该方法包括：获取点云数据，点云数据包括：历史点云数据和当前点云数据；历史点云数据为已分类的点云数据；确定包含点云数据的长方体空间，将长方体空间划分为多个初级空间网格；对于包含当前点云数据的初级空间网格，根据初级空间网格的第一历史点云类型和第一历史点云类型的第一数量，确定初级空间网格的当前点云类型。通过本发明的技术方案，能够结合历史点云数据，对当前点云数据进行网格划分并确定各空间网格的点云类型，提高点云分类的抗干扰性、分类准确度和分类速度。

技术领域

本发明实施例涉及三维点云处理技术领域，尤其涉及一种点云分类方法、装置、设备及存储介质。

背景技术

三维点云是一种由激光雷达等三维扫描设备采集、由空间点的三维位置信息、RGB颜色信息和强度信息等组成的多维度复杂数据集合。基于三维点云数据的目标检测、识别是解决场景理解的主要技术，而三维点云分类是这些技术的基础。

目前，三维点云分类方法分为二类，一类是基于特征的机器学习方法，提取点云全局特征，通过机器学习模型进行分类，由于机器学习特征提取过程中存在过分割或者欠分割，不能对点云进行精细分类；当物体边缘存在分类误差时，分类的误差会对模型参数造成极大的影响，同时该方法分类时间长，占用内存多。第二类是深度学习方法，将点云数据转化为体素表示，进而通过深度学习模型进行特征提取，并完成分类、分割等任务。但是，这类方法对计算机的内存资源的消耗很大、计算速度很慢，导致在实际情况下无法使用。

发明内容

本发明实施例提供一种点云分类方法、装置、设备及存储介质，以实现能够结合历史点云数据，对当前点云数据进行网格划分并确定各空间网格的点云类型，提高点云分类的抗干扰性、分类准确度和分类速度。

第一方面，本发明实施例提供了一种点云分类，包括：

获取点云数据，所述点云数据包括：历史点云数据和当前点云数据；所述历史点云数据为已分类的点云数据；

确定包含所述点云数据的长方体空间，将所述长方体空间划分为多个初级空间网格；

对于包含当前点云数据的初级空间网格，根据所述初级空间网格的第一历史点云类型和所述第一历史点云类型的第一数量，确定所述初级空间网格的当前点云类型；所述第一历史点云类型为所述初级空间网格所包含的历史点云数据的点云类型；当前点云类型为所述初级空间网格所包含的当前点云数据的点云类型。

第二方面，本发明实施例还提供了一种点云分类装置，该装置包括：

获取模块，用于获取点云数据，所述点云数据包括：历史点云数据和当前点云数据；所述历史点云数据为已分类的点云数据；

划分模块，用于确定包含所述点云数据的长方体空间，将所述长方体空间划分为多个初级空间网格；

第一确定模块，用于对于包含当前点云数据的初级空间网格，根据所述初级空间网格的第一历史点云类型和所述第一历史点云类型的第一数量，确定所述初级空间网格的当前点云类型；所述第一历史点云类型为所述初级空间网格所包含的历史点云数据的点云类型；当前点云类型为所述初级空间网格所包含的当前点云数据的点云类型。

第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的点云分类方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的点云分类方法。