三维点云半自动标注方法、系统、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114299285A(43)申请公布日2022.04.08(21)申请号202111424619.1G06T7/73(2017.01)(22)申请日2021.11.26G06V20/64(2022.01)G06V10/74(2022.01)(71)申请人武汉大势智慧科技有限公司G06V10/774(2022.01)地址430000湖北省武汉市东湖新技术开G06V10/82(2022.01)发区光谷大道77号金融后台服务中心基地建设项目二期B2栋4层01室(自贸区武汉片区)(72)发明人张银松蒋东青(74)专利代理机构武汉蓝宝石专利代理事务所(特殊普通合伙)42242代理人寇俊波(51)Int.Cl.G06V10/26(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书9页附图5页(54)发明名称三维点云半自动标注方法、系统、电子设备及存储介质(57)摘要本发明提供一种三维点云半自动标注方法、系统、电子设备及存储介质，方法包括：基于实景三维模型转换得到的点云数据，对所述点云数据进行标注，生成训练点云数据集；构建局部特征聚合与随机采样进行互补的语义网络模型；基于所述训练点云数据集对构建的所述语义网络模型进行训练，得到训练后的语义网络模型；基于训练后的语义网络模型对大量点云数据进行识别，获取大量点云数据的识别结果；大量点云数据的识别结果进行调整。本发明结合语义分割识别结果来辅助点云数据标注，节省了大量的人力，其语义网络模型能适应室外大场景数据，尽可能保留整体的几何结构，且对点云数据的标注用时较快。CN114299285ACN114299285A权利要求书1/2页1.一种三维点云半自动标注方法，其特征在于，包括：基于实景三维模型转换得到的点云数据，对所述点云数据进行标注，生成训练点云数据集；构建局部特征聚合与随机采样进行互补的语义网络模型；基于所述训练点云数据集对构建的所述语义网络模型进行训练，得到训练后的语义网络模型；基于训练后的语义网络模型对大量点云数据进行识别，获取大量点云数据的识别结果；大量点云数据的识别结果进行调整。2.根据权利要求1所述的三维点云半自动标注方法，其特征在于，所述实景三维模型转换得到的点云数据为摄影测量匹配产生的实景三维模型或生成的点云数据，或者为激光扫描产生的点云数据。3.根据权利要求1或2所述的三维点云半自动标注方法，其特征在于，所述基于实景三维模型转换得到的点云数据，对所述点云数据进行标注，生成训练点云数据集，包括：采用点云标注软件对点云数据进行初始标注，分为建筑物、高大植被、路面和未分类四种类型的标签。4.根据权利要求1所述的三维点云半自动标注方法，其特征在于，所述语义网络模型包括局部特征聚合模块、随机采样模块、多层感知器、上采样模块、全连接层和输出层；所述局部特征聚合模块和随机采样模块组合形成第一组合模块，多层感知器和上采样模块组合形成第二组合模块，串行连接的多个第一组合模块、串行连接的多个所述第二组合模块、多个全连接层依次连接后与所述输出层连接。5.根据权利要求4所述的三维点云半自动标注方法，其特征在于，所述局部特征聚合模块包括局部空间编码模块、注意力池化模块和扩张残差模块；所述局部空间编码模块，用于对输入点云数据的三维坐标信息进行编码，输出每一个点云数据的相邻特征集合；所述注意力池化模块，用于将所述每一个点云数据的相邻特征集合中的相邻特征聚合起来，获取每一个点云数据的聚合特征；所述随机采样模块，用于对点云数据的聚合特征进行随机采样，获取采样后的部分点云数据的聚合特征；所述扩张残差模块，用于使用跳跃连接方式将多个局部空间编码模块和多个注意力池化模块相连接，以增加每一个点云数据的感受野。6.根据权利要求5所述的三维点云半自动标注方法，其特征在于，所述局部空间编码模块，用于对输入点云数据的三维坐标信息进行编码，输出每一个点云数据的相邻特征集合，包括：用K最近邻搜索算法为每一个点pi找到欧氏空间的最近的邻域点；对于pi的K个最邻近点对点云数据的相对位置进行编码，将中心点的三维坐标pi，邻域点的三维坐标相对坐标以及欧氏距离2CN114299285A权利要求书2/2页连接在一起形成编码后的相位位置：将邻域点对应的点特征与编码后的相对位置连接在一起，得到新的点特征最终所述局部空间编码模块输出一组新的相邻特征即每一个点云数据的相邻特征集合。7.根据权利要求6所述的三维点云半自动标注方法，其特征在于，所述注意力池化模块，用于将所述每一个点云数据的相邻特征集合中的相邻特征聚合起来，获取每一个点云数据的聚合特征，包括：对于一个邻域特征点集合：利用一个共享函数g()来学习每个特征的唯一注意