[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

说明书

本发明提供一种点云数据识别方法、装置、电子设备及存储介质，方法包括：获取单帧点云数据，并将单帧点云数据分割为预设数量的局部数据；将局部数据并行输入至预设数量的PointNet++网络中，以使PointNet++网络提取局部数据对应的局部特征；将所有局部数据输入至ViT网络中，以使ViT网络提取单帧点云数据的全局特征；融合局部特征和全局特征得到融合特征，并利用融合特征对单帧点云数据进行类型识别；结合PointNet++网络和ViT网络进行点云数据的识别任务，能够有效提取点云数据的全局特征，并能够很好地综合点云数据的全局特征及局部特征，进而可有效提升点云数据的感知及识别效果。

技术领域

本发明涉及模式识别领域，特别涉及一种点云数据识别方法、装置、电子设备及计算机可读存储介质。

背景技术

相比于传统摄像头所提供的二维图像数据，激光雷达所提供的点云数据可包含三维深度信息，且可排除光线条件的干扰，能够有效提升无人驾驶系统的感知性能，因此在无人驾驶领域中，常使用点云数据执行目标识别任务。相关技术中，点云数据识别算法在全局特征的提取方面存在不足，且无法有效综合点云数据中的全局特征及局部特征，进而难以取得较好的感知效果。

发明内容

本发明的目的是提供一种点云数据识别方法、装置、电子设备及计算机可读存储介质，可结合PointNet++网络和ViT网络进行点云数据的识别任务，能够有效提取点云数据的全局特征，并能够很好地综合点云数据的全局特征及局部特征，进而可有效提升点云数据的感知及识别效果。

为解决上述技术问题，本发明提供一种点云数据识别方法，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。

可选地，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K均值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。

可选地，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。

可选地，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。

可选地，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。

可选地，在获取单帧点云数据之前，还包括：