室内场景点云部件语义信息的识别方法与相关技术.pdfVIP

本技术涉及一种室内场景点云部件语义信息的识别方法，具体包括以下步骤：获取未知语义类别的三维激光点云数据放入已知类别的点云数据中， 得到已知未知混淆的点云数据集；提取高维空间下点云数据集的全局特征；对高维空间下的全局特征进行降维处理；对降维后得到的集群进行聚 类，获得低维空间下样本的簇集合；在低维空间聚类基础上，针对每个簇中的样本点，分别找到已知语义样本和未知语义样本，采用已知语义样本 的类别信息，对未知语义样本进行语义赋值。与现有技术相比，本技术只需要利用少量的已知样本就能获得大批量对象点云的语义信息；本技术内 存开销小，明显提高了计算效率，对计算机要求低。 技术要求 1.一种室内场景点云部件语义信息的识别方法，其特征在于，具体包括以下步骤： S1、获取未知语义类别的三维激光点云数据并入已知类别的点云数据中，得到已知未知混淆的点云数据集；- S2、提取高维空间下点云数据集的全局特征，每个点云部件用一个1024维的全局特征向量表示，得到点云数据集的全局特征集合； S3、对高维空间下的全局特征集合进行降维处理； S4、对降维后得到的集群进行聚类，获得低维空间下样本的簇集合； S5、针对每个簇集合中的样本点，分别找到已知语义样本和未知语义样本，采用已知语义样本的类别信息，对未知语义样本进行语义赋值。 2. 1 S2 根据权利要求 所述的一种室内场景点云部件语义信息的识别方法，其特征在于，所述的步骤 具体包括： S21、构造全局特征提取的网络结构，输入点云数据集，通过三维空间变换矩阵进行输入点云数据对齐； S22 64 、对齐后的数据以点为单位，使用共享参数的多层感知机模型提取对象的 维空间特征，并通过特征空间变换矩阵进行特征对齐； S23 1024 1024 、利用多层感知机提取到对象的 维的空间特征，在特征空间中使用最大池化层作为对称函数，提取到对象的 维全局特征向量。 3. 2 S3 根据权利要求 所述的一种室内场景点云部件语义信息的识别方法，其特征在于，所述的步骤 具体包括： S31 1024 1024 、输入提取到的 维的高维全局特征，在 维空间下，计算不同样本之间的条件概率，来表征样本点之间的相似性； S32 1 t 、在低维空间中采用自由度为 的分布，映射高维空间数据点； S33 KL C 、使用 散度衡量高维与低维空间两概率分布的相似情况，使用高维空间数据点对与低维空间数据点对的联合概率分布来计算损失函数 。 4. 3 S31 根据权利要求 所述的一种室内场景点云部件语义信息的识别方法，其特征在于，所述的步骤 中，条件概率计算式为： pi|j xi xj pi|j σi 其中， 表示高维样本点 与 之间条件概率分布，且分布函数服从高斯分布， 越大，样本点之间的相似度越高， 是高斯分布标准差。 5. 3 S32 根据权利要求 所述的一种室内场景点云部件语义信息的识别方法，其特征在于，所述的步骤 中，低维空间中表征相似性的条件概率公式 为： qi|j xi xj yi yj 其中， 表示与高维数据点 与 成映射关系的低维数据点 与 之间的条件概率分布。 6. 3