CN116563310B 点云分割方法、装置、设备及存储介质 （澳门大学）

US2022254057A1,202别确定各特征点的K近邻邻域以及测地线邻域，并将特征点在K近邻邻域以及测地线邻域的特征2分别确定各特征点的K近邻邻域以及测地线邻域，并根据根据所述特征点的局部特征确定所述特征点的全局特征，并根据所别；根据各点云层中各特征点的特征表达向量，对所述三维点云进行2.根据权利要求1所述的方法，其特征在于，所根据所述K近邻邻域得到所述特征点的第一局部特征，根据所述测地线邻域得到所述以所述特征点为起始点，确定与所述特征点的测地线距离满足预设距离阈值的K个邻4.根据权利要求2所述的方法，其特征在于，所述根据所述3点的K近邻邻域以及测地线邻域得到所述特征点的局部特征，所述特征点的测地线邻域由所述特征点在所述点云层中通过测地线拓扑连通的第二确定模块，用于根据所述特征点的局部特征确定所述特表征所述特征点的类别；4[0016]根据所述K近邻邻域得到所述特征点的第一局部特征，根据所述测地线邻域得到[0018]以所述特征点为起始点，确定与所述特征点的测地线距离满足预设距离阈值的K5线邻域得到所述特征点的第二局部特征，将所述第一局部特征和所述第二局部特征拼接，[0020]将所述K近邻邻域、所述测地线邻域以及所述特征点输入预先训练的神经网络模特征点的K近邻邻域以及测地线邻域得到所[0037]根据所述K近邻邻域得到所述特征点的第一局部特征，根据所述测地线邻域得到[0039]以所述特征点为起始点，确定与所述特征点的测地线距离满足预设距离阈值的K[0041]将所述K近邻邻域、所述测地线邻域以及所述特征点输入预先训练的神经网络模67此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因[0073]本申请中直接对传感器采集到的被采集物体的点云数据进行分层和后续的特征8是一个可以端到端的处理点云数据的神经网络架构，可以对输入的点云数据进行特征提[0090]三维点云的点云分割结果中，处于相同类别的点可以表9[0094]K近邻算法中首先通过点云数据中的所有的特征点构筑起一个特征空间，特征空[0095]本申请中确定出的K近邻邻域可以更专注于空间位置相关性，从而衔接起点云数salgorithms)计算距离该特征点满足预设距离阈值的K个点，并收集这些点作为该特征点[0104]由于测地线是空间中局部最短的连接两点的曲线，可以[0107]接下来对上述根据K近邻邻域得到特征点的第一局部特征，根据测地线邻域得到模型分别提取得到第一局部特征和第二局部特征，并将第一局部特征和第二局部特征拼对同一特征点的K近邻邻域以及测地线邻域提取特征，得到特征点的第一局部特征和第二[0111]由神经网络模型将特征点的局部特征进行最大池化处理，得到特征点的全局特[0116]以下是对上述根据各点云层中各特征点的特征表达向量对点云数据进行特征点提取并用T_Net对特征点进行对齐，最后对特征点的局部特征和全置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述点云分割方法相似，[0126]参照图7所示，为本申请实施例提供的一种点云分割装置的示意图，所述装置包[0135]根据K近邻邻域得到特征点的第一局部特征，根据测地线邻域得到特征点的第二模型分别提取得到第一局部特征和第二局部特征，并将第一局部特征和第二局部特征拼[0141]由神经网络模型将特征点的局部特征进行最大池化处理，得到特征点的全局特能够同时表征点的位置特征信息和表面测地线拓扑关联信息，从而增强点云的局部信息合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，U盘、移动硬盘、只读存储器(ROM，Read_OnlyMemor