(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210438346.4 (22)申请日 2022.04.25 (71)申请人 江苏苏彩信息技 术有限公司 地址 210000 江苏省南京市 建邺区贤坤路1 号科创中心3楼346室 (72)发明人 王兴涛　朱君　范晓鹏　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 专利代理师 陈晶 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种利用轮廓点特征的单物体点云数据语 义分割方法 (57)摘要 本发明公开了一种利用轮廓点特征的单物 体点云数据语义分割方法， 属于点云语义分割技 术领域， 包括： 获取一个包含N个点的单物体点 云， 并将单物 体点云分别向X、 Y、 Z方向投影， 得到 三个二维点集； 从三个二维点集中获得单物体点 云的轮廓点集； 将单物体点云和轮廓点集输入至 几何特征融合网络中， 得到单物体点云中每个点 的分类标签。 该方法从单物体点 云的轮廓点中提 取高纯度的几何特征， 然后利用该几何特征提高 单物体点云的语义分割精度， 最终取得更准确的 单物体点云数据语义分割精度。 权利要求书2页 说明书6页 附图3页 CN 114863101 A 2022.08.05 CN 114863101 A 1.一种利用轮廓点特 征的单物体点云数据语义分割方法， 其特 征在于， 包括以下步骤： 步骤S1， 获取一个包含N个点的单物体点云， 并将所述单物体点云分别向X、 Y、 Z方向投 影， 得到三个二维点 集， 分别记为Vx、 Vy、 Vz； 步骤S2， 从所述 三个二维点 集中获得 单物体点云的轮廓点 集； 步骤S3， 将所述单物体点云和所述轮廓点集输入至几何特征融合网络中， 得到所述单 物体点云中每 个点的分类标签。 2.根据权利要求1所述的利用轮廓点特征的单物体点云数据语义分割方法， 其特征在 于， 所述步骤S2具体包括： 步骤S21， 根据所述 三个二维点 集分别获取其对应的轮廓点 集合Cx、 Cy、 Cz； 步骤S22， 将所述轮廓点集合Cx、 Cy、 Cz中的轮廓点投影回原三维空间， 并将三个点集相 并， 得到所述轮廓点 集C。 3.根据权利要求2所述的利用轮廓点特征的单物体点云数据语义分割方法， 其特征在 于， 所述步骤S21具体包括： 步骤S211， 选取所述二维点集Vx中的任一点xi， 找到所述二维点集Vx中距离xi在预设范 围r内的邻域 点集Ni； 步骤S212， 选取 所述邻域 点集Ni中的任一 点xj， 以xi为起点， 过xj画射线vj； 步骤S213， 对于所述步骤S212得到的多条射线中任意两条相邻射线均有一夹角， 将所 有夹角的最大值记为αi； 步骤S214， 判断所述最大值αi是否大于预设阈值t， 若大于则将xi加入所述轮廓点集合 Cx， 反之不加。 4.根据权利要求2所述的利用轮廓点特征的单物体点云数据语义分割方法， 其特征在 于， 所述步骤S22 中若三个轮廓点集相并后超过n个点， 则随机采样n个点， 若不足n个点， 则 对集中的点重复采样以凑足n个点。 5.根据权利要求1所述的利用轮廓点特征的单物体点云数据语义分割方法， 其特征在 于， 所述几何特征融合网络包括四个特征融合模块和三个特征上采样模块， 其中， 每个特征 融合模块内部均包括 三个特征提取模块。 6.根据权利要求4所述的利用轮廓点特征的单物体点云数据语义分割方法， 其特征在 于， 所述步骤S3具体包括： 步骤S31， 将所述单物体点云和所述轮廓点集依次输入所述几何特征融合网络的四个 特征融合模块， 以获得 各层次特 征矩阵； 步骤S32， 以最高层次特征矩阵为始， 依次与低 一层特征矩阵一同输入至三个特征上采 集模块中， 最终所述每 个点的分类标签。 7.根据权利要求6所述的利用轮廓点特征的单物体点云数据语义分割方法， 其特征在 于， 所述步骤S301中任一特 征融合模块的具体包括： 步骤S311， 确定所述单物体点云的子集点的坐标 ‑特征矩阵F ′P和所述轮廓点集的子集 点的坐标 ‑特征矩阵F′C作为特征融合模块的输入； 步骤S312， 从所述单物体点云的子集采样M ″个点， 记为P ″， 从所述轮廓点集的子集采样 m″个点， 记为C ″； 步骤S313， 将P ″和F′P输入至特征提取模块中， 得到P ″中点从F′P提取的特征矩阵， 并将权　利　要　求　书 1/2 页 2 CN 114863101 A 2其拼接得到拼接特 征； 步骤S314， 将所述拼接特征输入至其一层卷积层， 得到P ″中的点的特征， 与 坐标矩阵P ″ 拼接， 得到单物体点云的新的子集点的坐标 ‑特征矩阵F ″P， 作为特征融合模块的第一个输 出； 步骤S315， 将所述步骤312得到的C ″和F′P输入至特征提取模块中， 得到C ″中点从F′P提 取的特征； 步骤S316， 将所述步骤315所得特征与C ″拼接， 得到轮廓点的新的子集点的坐标 ‑特征 矩阵F″C， 作为特征融合模块的第二个输出。 8.根据权利要求7所述的利用轮廓点特征的单物体点云数据语义分割方法， 其特征在 于， 所述坐标‑特征矩阵F′P的尺寸为M′*(3+c)， 所述 坐标‑特征矩阵F′C为m′*(3+c)。 9.根据权利要求7所述的利用轮廓点特征的单物体点云数据语义分割方法， 其特征在 于， 所述步骤S313具体包括： 步骤S3131， 确定所述单物体点云的子集点的坐标矩阵P ′和所述单物体点云的子集点 的坐标‑特征矩阵F ′P为特征提取模块的输入， 其 中P′尺寸为n*3， F ′P尺寸为n*(3+c ′)， 两个 子集不是同一个集 合； 步骤S3132， 找到所述坐标矩阵P ′中距其最近的k个点， 得到P ′的邻域点集的坐标 ‑特征 矩阵， 尺寸 为n*k*(3+c ′)； 步骤S3133， 将所述邻域点集坐标 ‑特征矩阵输入到第一个三层卷积中， 得到维度为n* k*c″的特征矩阵； 步骤S3134， 将所述邻域点集坐标 ‑特征矩阵输入到第二个三层 卷积， 得到维度 为n*k*k 的特征旋转矩阵； 步骤S3135， 将所述步骤3133所得的特征矩阵和所述步骤3134所得的特征旋转矩阵相 乘， 得到旋转后的特 征矩阵； 步骤S3136， 将所述旋转后的特征矩阵输入到其一层卷积中， 得到特征提取模块的输 出。 10.根据权利要求6所述的利用轮廓点特征的单物体点云数据语义分割方法， 其特征在 于， 所述步骤S32具体包括： 步骤S321， 将所述单物体点云的子集点的坐标矩阵P ′和所述单物体点云的子集点的坐 标‑特征矩阵F′P输入至特 征上采样模块， 其中两个矩阵的尺寸分别是M ′*3和m′*(3+c)； 步骤S322， 将所述坐标矩阵P ′和所述特征矩阵F ′P输入到特征提取模块， 得到P ′中点从 F′P提取的特 征； 步骤S323， 将所述步骤S322所得特征与所述坐标矩阵P ′拼接， 得到特征上采样模块的 输出。权　利　要　求　书 2/2 页 3 CN 114863101 A 3