[发明专利]一种大规模点云局部区域特征编码方法

权利要求书

1.一种大规模点云局部区域特征编码方法，其特征在于：包括以下步骤：

S1：获取大规模点云数据；

S2：对点云数据中每个点进行特征的拼接，利用K-D树模型以及K最近邻算法找寻每个点欧式空间中最近的K个邻域点；

S3：为每一个中心点进行三维坐标信息编码，将输出的邻域点特征聚合到一起得到每个点聚合后的特征；

S4：提取每一个点聚合后的特征，保留点云的空间几何结构信息。

2.根据权利要求1所述的一种大规模点云局部区域特征编码方法，其特征在于：所述为每一个中心点进行三维坐标信息编码包括以下步骤：

S31:采用邻域搜索方法找寻中心点近邻的目标点；具体过程如下：

目标点设置为P点，建立用于提取关键点的特征点的K-D树，根据不同维度来递归的搜索已建K-D树，当P点数量点云数量N，递归搜索左子树，反之搜索右子树，以根节点为X轴维度为例，则比较P点X轴坐标和根节点值；递归搜索左子树，反之搜索右子树；

S32:当搜索到左子树或右子树的底部叶子节点时，将其标记为已访问，设邻域点集合为S，需找寻近邻点数量为K，判断此时的S中是否有K个点，若否，则将该点加入S；计算该点与目标点P的欧式距离，否则替换该点；

S33:如果当前节点是根节点且已经被标记访问，停止迭代；

如果当前节点不是根节点或者是根节点且未访问，则回溯到父节点，若父节点已被访问，则继续回溯；

若当前节点不是根节点且未被标记己访问或者是根节点且未被标记己访问，返回S32；

若S中不足K个点，则当前节点加入S；

若S已满，计算目标点P与该点距离，并比较点集S中距目标点P点的最大距离，如果小于最大距离，则当前点替换为当前节点的下一个点；

计算目标点P和当前超平面的垂直距离D，如果垂直距离D大于S中距离P点的最大距离且S已满，则该节点的另一子树不会再有距离P更近的点，结束算法；

如果D小于S中距P点的最大距离或S未满，则该节点另一子树可能有更近的点，继续返回S31，搜索另一子树。

3.根据权利要求1所述的一种大规模点云局部区域特征编码方法，其特征在于：所述为每一个中心点进行三维坐标信息编码，将输出的邻域点特征聚合到一起得到每个点聚合后的特征的具体过程如下：

首先将点云数据的坐标信息和特征信息分开，重新编码坐标信息，使用邻域搜索算法为每一个点到欧式空间中距离最近的K个邻域点记为对每一个p_i中心点的K个邻域点添加冗余维度信息，使得中心点感受最近的K个邻域点；

编码方式为拼接中心点和其他领域点的欧式距离中心点p_i和邻域点的三维XYZ坐标，中心点和邻域点相对坐标使用多层感知机提取高维特征，以此编码方式扩展每个中心点邻域点的信息，

然后将中心点的K个邻域点的特征信息与邻域点编码后提升的冗余XYZ坐标信息两者拼接到一起形成每个点新的特征信息使用多层感知机控制输出维数并采用最大池化层的方式聚合特征信息。

4.根据权利要求1所述的一种大规模点云局部区域特征编码方法，其特征在于：所述冗余XYZ坐标信息公式如下：

表示concate操作，||.||表示欧氏距离，

5.根据权利要求1所述的一种大规模点云局部区域特征编码方法，其特征在于：所述提取每一个点聚合后的特征，保留点云的空间几何结构信息的过程如下：

对于输入数量为N，维度为3+D的点云数据，为每一个点使用邻域搜索算法找寻该中心点周围的K个邻域点；

对K个邻域点的三维XYZ坐标进行局部区域编码，添加和中心点相关的冗余信息，经过一次MLP将维度提升到D，然后将其与邻域点的初始D维特征拼接在一起，形成点云数量为K，维度为2D的点云局部特征；

将点云数量为K，维度为2D的点云局部特征通过多层感知机控制维度输出为D维特征张量；

经过最大池化层将D维特征张量池化为数量为1的D维特征，以D维特征作为每一个中心点的局部特征。

6.一种大规模点云局部区域特征编码装置，其特征在于：包括：

获取模块：用于获取大规模点云数据；

邻域点找寻模块：用于对点云数据中每个点进行特征的拼接，利用K-D树模型以及K最近邻算法找寻每个点欧式空间中最近的K个邻域点；

局部编码模块：用于为每一个中心点进行三维坐标信息编码，将输出的邻域点特征聚合到一起得到每个点聚合后的特征；

局部特征提取模块：用于提取每一个点聚合后的特征，保留点云的空间几何结构信息。