[发明专利]点云分类模型的训练方法、点云分类方法及装置

权利要求书

1.一种点云分类模型的训练方法，其特征在于，包括：

获取多个训练样本，所述训练样本包括点云和所述点云的类别；

对每个所述训练样本的点云进行特征提取，获得每个所述点云的特征向量；

根据每个所述点云的特征向量，获取每个点云的相似度信息，所述相似度信息包括所述点云与其它每个点云的相似度；

根据每个所述点云的特征向量和所述相似度信息以及所述点云的类别，对点云分类模型进行训练，得到训练完成的点云分类模型。

2.根据权利要求1所述的方法，其特征在于，所述对每个所述训练样本的点云进行特征提取，包括：

将每个所述训练样本的点云以三维检测框的中心为原点，以所述三维检测框的朝向为预设坐标轴的正方向进行坐标转换，获得转换后的点云，其中，所述朝向为所述三维检测框在三维空间中的朝向；

对所述转换后的点云进行特征提取，获得所述点云的特征向量。

3.根据权利要求2所述的方法，其特征在于，所述对所述转换后的点云进行特征提取，获得所述点云的特征向量，包括：

将所述三维检测框划分为N*N个栅格；

对每个所述栅格中的点云进行8维特征向量提取，其中，所述8维特征向量包括6维高度特征向量、1维密度特征向量以及1维反射强度特征向量；

将N*N*8维特征向量作为所述点云的特征向量。

4.根据权利要求3所述的方法，其特征在于，所述根据每个所述点云的特征向量，获取每个点云的相似度信息，所述相似度信息包括所述点云与其它每个点云的相似度，包括：

根据每个所述点云的特征向量，获取所述点云与其它每个点云的特征向量的余弦相似度；

根据每个点云对应的多个余弦相似度以及每个点云的类别，获取所述点云的相似度信息，其中，针对大于预设余弦相似度的两个点云，若所述点云的类别相同，则两个点云的相似度高，若所述点云的类别不同，则两个点云的相似度低。

5.根据权利要求1所述的方法，其特征在于，所述根据每个所述点云的特征向量和所述相似度信息以及所述点云的类别，对点云分类模型进行训练，得到训练完成的点云分类模型，包括：

将每个所述点云的特征向量和所述相似度信息输入至所述点云分类模型，获取所述点云分类模型输出的分类结果；

获取每个所述分类结果的损失函数，对每个所述分类结果的损失函数进行叠加处理，获得所述点云分类模型的损失函数；

根据所述点云分类模型的损失函数，采用反向传播的方式对所述点云分类模型进行参数优化。

6.根据权利要求5所述的方法，其特征在于，所述获得每个所述分类结果的损失函数，包括：

获取每个所述分类结果的Softmax损失函数以及流形损失函数，其中，所述流形损失函数是根据所述相似度确定的；

对所述Softmax损失函数以及所述流形损失函数进行叠加处理，获得每个所述分类结果的损失函数。

7.一种点云分类方法，其特征在于，包括：

获取待分类的点云的特征向量；

将所述特征向量输入至点云分类模型，获得所述待分类的点云的分类结果，其中，所述点云分类模型是通过如上1至6任一项所述的方法训练得到的模型。

8.一种点云分类模型的训练装置，其特征在于，包括：

第一获取模块，用于获取多个训练样本，所述训练样本包括点云和所述点云的类别；

特征提取模块，用于对每个所述训练样本的点云进行特征提取，获得每个所述点云的特征向量；

第二获取模块，用于根据每个所述点云的特征向量，获取每个点云的相似度信息，所述相似度信息包括所述点云与其它每个点云的相似度；

训练模块，用于根据每个所述点云的特征向量和所述相似度信息以及所述点云的类别，对点云分类模型进行训练，得到训练完成的点云分类模型。