[发明专利]一种点云数据识别方法、装置、电子设备及存储介质

权利要求书

1.一种点云数据识别方法，其特征在于，包括：

获取单帧点云数据，并将所述单帧点云数据分割为预设数量的局部数据；

将所述局部数据并行输入至所述预设数量的PointNet++网络中，以使所述PointNet++网络提取所述局部数据对应的局部特征；

将所有所述局部数据输入至ViT网络中，以使所述ViT网络提取所述单帧点云数据的全局特征；

融合所述局部特征和所述全局特征得到融合特征，并利用所述融合特征对所述单帧点云数据进行类型识别，以确定所述单帧点云数据中的各个点在多个预设类别中所属的类别；

其中，所述将所述单帧点云数据分割为预设数量的局部数据，包括：

利用聚类算法将所述单帧点云数据中的数据点划分至所述预设数量的数据簇中，得到所述局部数据；

对每一所述局部数据包含的数据点数量进行统计；

若所述数据点数量大于预设数据点数量，则对所述数据点数量对应的目标局部数据中的数据点进行随机移除，直至移除后的数据点数量等于所述预设数据点数量；

若所述数据点数量小于所述预设数据点数量，则在所述目标局部数据中增加新数据点，直至增加后的数据点数量等于所述预设数据点数量。

2.根据权利要求1所述的点云数据识别方法，其特征在于，所述在所述目标局部数据中增加新数据点，包括：

利用插值法及所述目标局部数据中的数据点生成所述新数据点，并将所述新数据点添加至所述目标局部数据中。

3.根据权利要求1所述的点云数据识别方法，其特征在于，所述融合所述局部特征和所述全局特征得到融合特征，包括：

将所述局部特征对应的局部特征向量与所述全局特征对应的全局特征向量进行拼接，得到所述融合特征。

4.根据权利要求1所述的点云数据识别方法，其特征在于，所述PointNet++网络提取所述局部数据对应的局部特征，包括：

所述PointNet++网络利用预训练的转换矩阵对接收到的局部数据进行对齐，并提取对齐后的局部数据的局部特征。

5.根据权利要求1至4任一项所述的点云数据识别方法，其特征在于，在获取单帧点云数据之前，还包括：

获取点云训练集，并随机初始化所述PointNet++网络、所述ViT网络及所述类型识别过程中所需使用的模型权重；所述点云训练集中的单帧点云训练数据标注有对应的实际分类；

将所述点云训练集中的每一所述单帧点云训练数据分割为所述预设数量的局部训练数据；

将所述单帧点云训练数据对应的局部训练数据输入至所述PointNet++网络和所述ViT网络，并对所述PointNet++网络和所述ViT网络的输出结果进行融合，得到所述单帧点云训练数据的融合特征；

利用所述单帧点云训练数据的融合特征对所述单帧点云训练数据进行类型识别，并利用得到的预测分类及所述单帧点云训练数据的实际分类计算损失值；

利用梯度下降法及所述损失值对所述模型权重进行迭代更新，并进入将所述单帧点云训练数据对应的局部训练数据输入至所述PointNet++网络和所述ViT网络的步骤，直至迭代次数到达预设上限或所述损失值小于预设阈值。