(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 202211172529.2 (22)申请日 2022.09.26 (71)申请人 浙江省测绘科 学技术研究院 地址 310012 浙江省杭州市西湖区三墩街 92号 (72)发明人 邹文明　杨莹　陈昱臻　周少岳　 钱赛男　戴丞雷　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 杜娟 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06T 17/05(2011.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于统计投影的室外点云语义分割方 法 (57)摘要 本发明公开了一种基于统计投影的室外点 云语义分割方法， 应用于点云数据处理技术领 域； 首先， 将三维点云投影至二维平面， 生成密 度、 单位反射强度投影图并基于点云标签生成注 意力回归投影图； 然后， 对密度、 单位反射强度投 影信息在 多个尺度上进行特征提取， 最终回归 得 到网络预测的注意力程度图； 通过一层卷积神经 网络对其进行特征升维， 将特征映射回原始三维 点云作为特征扩展； 最后， 通过随机上下采样的 方式获取各尺度下的点云特征， 并对 特征进行跳 跃连接融合不同层级的语义信息， 输出语义分割 的结果。 本发 明在大规模道路点 云数据集中展现 了突出的语义分割性能， 相较于传统的仅基于点 云或投影的模型均获得了更好的效果。 权利要求书1页 说明书5页 附图2页 CN 115546482 A 2022.12.30 CN 115546482 A 1.一种基于统计投影的室外点云语义分割方法， 其特 征在于， 包括以下步骤： S1、 对输入的原始三维点云信息采用三维点云投影解析算法， 将所述原始三维点云投 影至二维xoy平面， 生成点云数据在二 维xoy平面上的密度投影图、 单位反射 强度投影图， 并 基于点云标签生成注意力回归投影图； S2、 将所述密度投影图和所述单位反射强度投影图组合输入至U形神经网络 中， 以所述 注意力回归投影图为真实标签得到注意力程度图； S3、 通过卷积网络对所述注意力程度图的特 征进行维度扩展， 并增大 特征的感受野； S4、 根据所述注意力程度图中各像素的位置， 将经过所述S3处理后的所述注意力程度 图的特征重新映射至所述原 始三维点云信息并进行 特征组合拼接； S5、 将经过所述S4中特征组合拼接后的点云信息作 为输入， 使用所述U形神经网络进行 点云特征的信息提取并输出最终的点云语义分割结果。 2.根据权利要求1所述的一种基于统计投影的室外点云语义分割方法， 其特征在于， 所 述S1中的三维点云投影的方式为俯视图投影， 其投影表现为 正方形区域。 3.根据权利要求1所述的一种基于统计投影的室外点云语义分割方法， 其特征在于， 所 述S1中的所述三 维点云投影解析算法为： 通过点云二 维化平面均 布的采样点对点云做k ‑邻 域采样， 通过采样点邻域的临近点云密度、 单位反射强度以及点标签得到投影图。 4.根据权利要求1所述的一种基于统计投影的室外点云语义分割方法， 其特征在于， 所 述S2中的所述密度投影图和所述单位反射 强度投影图通过下采样、 上采样以及不同层级 特 征的跳跃 连接后使用回归的方式输出 所述注意力程度图。 5.根据权利要求1所述的一种基于统计投影的室外点云语义分割方法， 其特征在于， 所 述S3中的所述卷积网络采用3 ×3的卷积核， 所述U形卷积网络将所述注意力程度图的通道 数由1变为32。 6.根据权利要求1所述的一种基于统计投影的室外点云语义分割方法， 其特征在于， 所 述S4中的所述映射 为所述S1中三维点云投影的逆过程。 7.根据权利要求1所述的一种基于统计投影的室外点云语义分割方法， 其特征在于， 所 述S5中经过特征 组合拼接后的点云信息通过下采样、 上采样以及不同层 级特征的跳跃连接 后使用多分类的方式输出点云语义分割结果。 8.根据权利要求1所述的一种基于统计投影的室外点云语义分割方法， 其特征在于， 所 述密度投影图、 所述单位反射强度投影图和所述注意力回归投影图的像素均为128 ×128。权　利　要　求　书 1/1 页 2 CN 115546482 A 2一种基于统 计投影的室外点 云语义分割方 法 技术领域 [0001]本发明涉及 点云数据处理技术领域， 更具体的说是涉及 一种基于统计 投影的室外 点云语义分割方法。 背景技术 [0002]三维高精地图是下一代数字地图的主要发展方向， 是实现汽车自动驾驶和辅助驾 驶的前提条件， 能够为自动 驾驶汽车进 行精确定位和正确决策提供主要依据。 其中， 使用点 云语义分割算法将室外环境的各类物体的点云进行准确的分类以及精细化的判别环境中 存在的物体及其结构是理解室外环境的重要技 术方向。 [0003]传统的点云语义分割方法中， 基于纯点云分析的神经网络模型虽然相较其他方法 有着较高的细粒度， 但其对点云局部特征的提取以及每个点特征的感受野 范围均不如利用 图像卷积的投影法或使用空间卷积的体素法。 此外， 目前国内外点云语义分割的主要关注 点仍在自动驾驶领域， 而对路面高精度地图构建的研究较少。 相较于自动 驾驶领域， 创建高 精度地图则要求点云的语义分割更关注路面的标志信息及路周围的物体， 这使得在该目的 下对路面投影获得的信息更为重要。 如何提取局部特征、 扩大每个点特征的感受野范围， 使 点云的语义分割更关注路面的标志信息及路周围的物体是本领域技术人员亟需解决的问 题。 发明内容 [0004]有鉴于此， 本发明提供了一种基于统计投影的室外点云语义分割方法， 结合有效 信息引导网络对重要特 征的关注， 提升点云解析部分的效果， 提升语义分割精度。 [0005]为了实现上述目的， 本发明提供如下技 术方案： [0006]一种基于统计投影的室外点云语义分割方法， 包括以下步骤： [0007]S1、 对输入的原始三维点云信息采用三维点云投影解析算法， 将所述原始三维点 云投影至二维xoy平面， 生成点云数据在二维xoy平面上的密度投影图、 单位反射强度投影 图， 并基于点云标签生成注意力回归投影图； [0008]S2、 将所述密度投影图和所述单位反射强度投影图组合输入至U形神经 网络中， 以 所述注意力回归投影图为真实标签得到注意力程度图； [0009]S3、 通过卷积网络对所述注意力程度图的特征进行维度扩展， 并增大特征的感受 野； [0010]S4、 根据所述注意力程度图中各像素的位置， 将经过所述S3处理后的所述注意力 程度图的特 征重新映射至所述原 始三维点云信息并进行 特征组合拼接； [0011]S5、 将经过所述S4中特征组合拼接后的点云信息作为输入， 使用所述U形神经网络 进行点云特 征的信息提取并输出最终的点云语义分割结果。 [0012]优选的， 所述S1中的三维点云投影 的方式为俯视图投影， 其投影表现为正方形区 域。说　明　书 1/5 页 3 CN 115546482 A 3