买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中南民族大学

摘要：本发明公开了一种三维点云数据几何基元拟合方法、系统及设备，首先对三维点云数据进行预处理，包括降噪、平滑和降采样处理；然后采用三维点云特征提取网络，提取三维点云特征；接着对三维点云数据进行分割与分类；首先对三维点云数据进行分割处理为若干个子集合，然后针对每一子集进行分类处理，以确定其最匹配的几何基元类型；最后针对匹配的几何基元，预测出具体数学参数。本发明实现高精度的点云分割与分类，有效地提高了对大规模点云数据时的特征识别和提取能力，进一步加强了点云数据处理和分析的准确性与高效性。本发明在传统最小二乘法的基础上引进了权重机制，有效提高对几何基元，如平面、球面等几何体参数预测的精确度。

主权项：1.一种三维点云数据几何基元拟合方法，其特征在于，包括以下步骤：步骤1：对三维点云数据进行预处理，包括降噪处理、平滑处理和降采样处理；步骤2：采用三维点云特征提取网络，提取三维点云特征；所述三维点云特征提取网络，包括特征编码模块和特征解码模块；所述特征编码模块，包括三个顺序连接的第一组合层和一个变换网络，所述第一组合层由一个采样层、一个分组层、一个PointConv卷积核组成；所述PointConv卷积核包括顺序连接的三个卷积层、一个最大池化层，三个全连接层和一个PointConv层；第一个卷积层、第二个卷积层、第一个全连接层和第二个全连接层后均设置有批量归一化层和ReLU激活层；随后一个全连接层输出变换矩阵，用于对三维点云数据中每个点进行刚性变换和特征对齐；所述变换网络包括一个特征变换层和一个一维卷积层，特征变换层计算得到密度尺度，然后将局部特征与密度尺度相乘，得到加权的局部特征，再通过一维卷积层进一步处理这些特征，最终输出编码后的特征矩阵；所述特征解码模块，包括三个顺序连接的第二组合层，从编码过程中压缩的特征表示中恢复出点云的细节特征；所述第二组合层，由插值操作层和PoinConv层组成，所述第二组合层的每一层均接收上一层数据和特征编码模块中的对应第一组合层跳跃链接的数据，输出局部特征和全局特征；步骤3：对三维点云数据进行分割与分类；首先对三维点云数据进行分割处理为若干个子集，然后针对每一子集进行分类处理，以确定其最匹配的几何基元类型；其中，分割处理时，采用三维点云数据分割网络，对点云进行细致的分析，三维点云数据中每个点被视为一个独立单元，并分配有相应的类别标签；在特征提取网络提取到的高维特征空间中，进行空间范围内的邻居聚合操作，以增强每个点特征的描述性；然后通过插值和特征传播将下采样过程中损失的空间信息恢复；最后，将增强后的特征通过一个或多个全连接层，搭配激活函数和分类器来进行逐点分类，得到多个点云片段，每个点云片段为一个子集；所述三维点云数据分割网络，为深度神经网络，其分割网络松弛交并比定义为： ；其中，是预设的真值标记矩阵，是预测矩阵，N为点的总数；，分别代表不同的几何基元，K=0为平面，K=1为球体，K=2为圆柱体，K=3为圆锥体；其中，分类处理时，采用三维点云数据分类网络，通过全局池化操作将点云片段中所有点的特征转换为单一的高维向量，所有高维向量一起组成全局高维向量，从而捕捉全局上下文信息；然后将全局高维向量输入一系列全连接层，用于捕捉不同特征之间的复杂关系和模式；最终，使用Softmax激活函数，将全连接层的输出映射到类别概率分布，完成了点云片段的全局分类；步骤4：针对步骤3中匹配的几何基元，预测出具体数学参数。

全文数据：

权利要求：

百度查询： 中南民族大学 一种三维点云数据几何基元拟合方法、系统及设备