[发明专利]点云处理模型的训练和点云实例分割方法及装置

权利要求书

1.一种点云处理模型的训练方法，包括：

根据有标签点云，对无标签点云进行标注，得到样本点云；

将所述样本点云输入至点云处理模型，得到所述样本点云的第一预测语义信息和第一预测偏移量；

根据所述第一预测语义信息、所述第一预测偏移量、所述样本点云对应的样本标签和所述样本点云的原始坐标信息，确定训练损失；

采用所述训练损失，对所述点云处理模型进行训练。

2.根据权利要求1所述的方法，其中，所述根据有标签点云，对无标签点云进行标注，得到样本点云，包括：

根据点云几何信息，对原始点云进行超体素分割，得到第一超体素；

根据所述第一超体素内的有标签点云，对所述第一超体素内的无标签点云进行标注，得到样本点云。

3.根据权利要求1所述的方法，其中，所述根据有标签点云，对无标签点云进行标注，得到样本点云，包括：

将无标签点云输入至点云处理模型，得到所述无标签点云的第二预测语义信息、第二预测偏移量和第一置信度信息；所述点云处理模型采用有标签点云对初始模型进行训练得到；

根据所述第一置信度信息，对所述无标签点云进行筛选，得到可用点云；

根据所述可用点云的第二预测语义信息和第二预测偏移量，确定所述可用点云的伪标签；

将所述可用点云作为样本点云。

4.根据权利要求3所述的方法，其中，所述根据所述可用点云的第二预测语义信息和第二预测偏移量，确定所述可用点云的伪标签，包括：

根据所述可用点云的第二预测语义信息，确定所述可用点云的语义伪标签；

根据所述可用点云的第二预测偏移量，确定所述可用点云的偏移伪标签。

5.根据权利要求4所述的方法，其中，所述根据所述可用点云的第二预测偏移量，确定所述可用点云的偏移伪标签，包括：

从所述可用点云中确定第二超体素的关联点云；

根据所述关联点云的第二预测偏移量和原始坐标信息，确定所述第二超体素对应的实例中心；

根据所述第二超体素对应的实例中心和所述关联点云的原始坐标信息，确定所述关联点云的偏移伪标签；

将所述关联点云的偏移伪标签，作为所述可用点云的偏移伪标签。

6.根据权利要求3所述方法，其中，所述根据所述第一置信度信息，对所述无标签点云进行筛选，得到可用点云，包括：

根据所述第一置信度信息，对所述无标签点云进行筛选，得到候选点云；

根据所述候选点云的第二预测偏移量和原始坐标信息，对所述候选点云进行聚类，得到候选实例；

将所述候选实例的实例特征输入至修正模型，得到所述修正模型输出结果对应的第二置信度信息；

根据所述第二置信度信息，对所述候选实例进行筛选，并根据筛选结果，确定可用点云。

7.根据权利要求1所述的方法，其中，所述根据所述第一预测语义信息、所述第一预测偏移量、所述样本点云对应的样本标签和所述样本点云的原始坐标信息，确定训练损失，包括：

根据所述第一预测语义信息和所述样本点云对应的样本标签中的语义标签，确定第一损失；

根据所述第一预测偏移量和所述样本点云的原始坐标信息，确定第二损失；

根据所述第一预测偏移量和所述样本标签中的偏移标签，确定第三损失；

根据所述第一损失、所述第二损失和所述第三损失，确定训练损失。

8.一种点云实例分割方法，包括：

获取待分割点云；

基于点云处理模型，对所述待分割点云进行实例分割；其中，所述点云处理模型通过权利要求1-7中任一所述的点云处理模型的训练方法训练得到。