[发明专利]一种非等效三维点云分割方法

摘要

本发明提供了一种非等效三维点云分割方法，首先构建原始点云数据集并进行训练集与测试集的划分，其次对训练集数据进行预处理，使各点云点数变为同一规格，再设计卷积神经网络模型，分别计算点云中各点和与其不在同一分割区域的点之间的距离，并选取两点之间最小的距离值构造距离矩阵，通过设计惩罚函数并作用于距离矩阵，使得靠近分割区域交界处的点的值变大，而远离交界处的点的值变小，并将惩罚后的距离矩阵与模型损失函数相乘，使得分割模型在训练过程中优化损失计算，强化分割区域交界处点的误差反馈，提高点云分割精度，最后利用测试集对所设计模型的分割性能进行评估。本发明可实现对非等效三维点云的快速分割，并且具有很高的分割精度。

主权项

1.一种非等效三维点云分割方法，其特征在于，包括以下步骤：步骤1：确定需要进行分割的非等效三维点云模型，并构建该模型的点云数据集；步骤2：将点云数据集划分为训练集与测试集，其中，训练集中的点云数据用于分割模型训练，测试集中的点云数据用于对分割模型的分割性能进行评价；步骤3：将训练集中的点云数据进行随机抽样，使各点云中的点数变为同一规格；步骤4：设计基于卷积神经网络的点云分割模型；步骤5：构造距离矩阵，具体为：遍历训练集中各点云模型的所有点，分别计算各点和与其不在同一分割区域的点之间的欧式距离，并选取两点之间最小的距离值构造距离矩阵，最后使得训练集中各点云模型的每个点都有距离矩阵中的一个距离值与其对应；步骤6：设计惩罚函数，并以距离矩阵中的距离值作为惩罚函数的输入，使得越小的距离值经惩罚函数作用后输出的值越大，而越大的距离值经惩罚函数作用后输出的值越小；步骤7：经惩罚函数作用后的距离矩阵与分割模型的损失函数相乘，实现对损失函数的加权处理，使得距离分割区域交界处越近的点因预测不准确导致的损失增加的程度越大，这样模型在训练的过程中，会着重对分割区域交界处的点进行优化；步骤8：利用训练集中的点云数据对加权后的分割模型进行训练，在训练过程中使用小批量随机梯度下降方法以最小化模型预测输出和实际输出之间的误差，进而获得最优分割模型，并利用测试集中的点云数据对模型分割性能进行评价。