(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 (43)申请公布日 (21)申请 号 202111674912.3 (22)申请日 2021.12.31 (71)申请人 成都纵横大鹏无 人机科技有限公司 地址 610041 四川省成 都市高新区天府五 街200号6号楼 A区7楼 (72)发明人 蒋友妮　孙婷婷　袁睿　曹治锦　 姜乃琪　 (74)专利代理 机构 成都市集智汇华知识产权代 理事务所(普通 合伙) 51237 代理人 李华　温黎娟 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/56(2022.01) G06K 9/62(2022.01) (54)发明名称 一种基于随机降采样的点云处理方法及系 统 (57)摘要 本发明公开了一种基于随机 降采样点云处 理方法及系统， 所述方法包括对原始点云进行局 部特征聚合； 对局部特征聚合后的点云进行随机 降采样； 对随机降采样后的稀疏点云进行处理。 采用简单高效的随机降采样大大地减少点云数 量， 同时采用特别设计的特征聚合策略来保证有 效信息的保留， 能够在明显降低计算量和内存占 用的情况下， 最大限度地保留点 云的空间信息和 几何信息， 得到更高效、 准确的处 理结果。 权利要求书1页 说明书4页 附图2页 CN 114299301 A 2022.04.08 CN 114299301 A 1.一种基于随机降采样的点云处 理方法， 其特 征在于包括： 对原始点云进行局部特 征聚合； 对局部特 征聚合后的点云进行随机降采样； 对随机降采样后的稀疏点云进行处 理。 2.根据权利要求1所述的一种基于随机降采样的点云处理方法， 其特征在于所述对原 始点云进行局部特 征聚合包括： 搜索邻点： 搜索原 始点云中每 个参考点P四周K个邻点； 编码： 对每 个参考点P的K个邻点的特 征信息进行编码； 计算信息贡献度： 分别计算每个参考点P的K个邻点对其的信息贡献度， 并对特征信息 进行加权求和得到每 个参考点的邻域信息编码。 3.根据权利要求2所述的一种基于随机降采样的点云处理方法， 其特征在于所述特征 信息包括空间信息、 强度信息、 颜色信息 。 4.根据权利要求2所述的一种基于随机降采样的点云处理方法， 其特征在于重复进行 所述对原始点云进行局部特征聚合并对局部特征聚合后的点云进行随机降采样的步骤M 次， 使得每 个参考点P携带其KM个邻点的信息 。 5.根据权利要求1所述的一种基于随机降采样的点云处理方法， 其特征在于： 采用时间 复杂度为常数级的随机采样方法对 对局部特 征聚合后的点云进行随机降采样。 6.一种用于点云随机降采样的非对称编码器 ‑解码器结构， 其特征在于： 包括若干层进 行下采样的编 码器、 位于第一层编码 器前的多层感知机I、 位于最后一层编 码器后的多层感 知机II、 位于多层感知机I后的若干层进 行上采样的解码 器、 位于最后一层解码 器后的多层 感知机III、 位于多层感知机II后的全连接层； 每层编码 器对点云进 行局部特征聚合后再进 行随机降采样。 7.根据权利要求6所述的一种用于点云随机降采样的非对称编码器 ‑解码器结构， 其特 征在于： 所述编 码器为4层， 所述解码 器为2层； 解码 器计算的上采样特征与同样分辨率的下 采样特征跳跃连接。 8.一种基于随机降采样的点云处 理系统， 其特 征在于包括： 局部特征聚合模块， 用于搜索原始点云中每个参考点P四周K个邻点， 再对每个参考点P 的K个邻点的特征信息进 行编码， 然后分别计算每个参考点P的K个邻点对其的信息 贡献度， 并对特征信息进行加权求和得到每 个参考点的邻域信息编码； 随机降采样模块， 用于对局部特 征聚合模块处 理后的点云进行随机降采样； 处理模块， 用于对随机降采样后的点云进行处 理。 9.一种电子设备， 包括存储器、 处理器， 其特征在于： 所述存储器上存储有可在处理器 上运行的点云处理程序， 所述点云处理程序被处理器执行时实现权利要求 1～5中任意一项 所述的基于随机降采样的点云处 理方法。 10.一种存储介质， 其特征在于： 所述存储介质存储有点云处理程序， 所述点云处理程 序被处理器执行时实现权利要求1～5中任意 一项所述的基于随机降采样的点云处 理方法。权　利　要　求　书 1/1 页 2 CN 114299301 A 2一种基于随机降采 样的点云处理方法及系统 技术领域 [0001]本发明属于点云处理领域， 尤其涉及一种基于随机降采样的点云处理方法、 编码 器‑解码器结构、 系统、 电子设备及存 储介质。 背景技术 [0002]RGB图像虽然能够很好地捕获对象的表观纹理， 却不能直观反映对象的空间信息。 3D点云数据能够提供对象空间信息， 可以弥补RGB图像在空间信息捕获上的弱点。 因此， 3D 点云数据在计算机视觉领域得到了越来约广泛的应用。 然而， 点云数据动辄包含上亿个点 信息， 处理时需耗费很大的计算资源， 且效率不高。 常用的点云处理方式有： 基于原始点处 理、 基于投影处理、 基于体素化处理。 基于原始 点地处理方式， 会直接操纵原始 点云， 能最大 限度地保留空间信息， 若一次计算所有点云计算资源开销很大， 所以一般会将原始点云切 分成较小的点云块再进行处理， 但这会破坏对 象的几何信息； 基于投影的处理方式将三维 点云通过球面投影等方式转换到二维平面再进行处理， 虽然处理过程得到了简化， 但极大 地牺牲了空间信息； 基于体素化的处理将点云划分为一个个小网格， 用一个点来代表网格 内的所有点， 在降低计算复杂度的同时保留了一定的空间信息， 但在点云数量大时降低计 算复杂度的效果并不明显， 且在点云密度不均时， 密度大的网格容易丢失更多信息， 而密度 大的网格通常包 含重要信息 。 发明内容 [0003]有鉴于此， 本发明提供一种基于随机降采样点云处理方法、 编码器 ‑解码器结构、 系统、 电子 设备、 存储介质， 在降低点云处理复杂度的同时尽可能保留对象的几何信息和空 间信息。 [0004]为解决以上技术问题， 本发明的技术方案为采用一种基于随机降采样的点云处理 方法， 包括： 对原始点云进行局部特征聚合； 对局部特征聚合后的点云进行随机降采样； 对 随机降采样后的稀疏点云进行处 理。 [0005]作为一种改进， 所述对原始点云进行局部特征聚合包括： 搜索邻点： 搜索原始点云 中每个参考点P四周K个邻点； 编 码： 对每个参考点P的K个邻点的特征信息进 行编码； 计算信 息贡献度： 分别计算每个参考点P的K个邻点对其的信息贡献度， 并对特征信息进行加权求 和得到每 个参考点的邻域信息编码。 [0006]作为一种进一 步的改进， 所述特 征信息包括空间信息、 强度信息、 颜色信息 。 [0007]作为另一种更进一步的改进， 重复进行所述对原始点云进行局部特征聚合并对局 部特征聚合后的点云进行随机降采样的步骤M次， 使得每个参考点P携带其KM个邻点的信 息。 [0008]作为一种改进， 采用时间复杂度为常数级的随机采样 方法对对局部特征聚合后的 点云进行随机降采样。 [0009]本发明还提供一种用于点云随机降采样的非对称编码器 ‑解码器结构， 包括若干说　明　书 1/4 页 3 CN 114299301 A 3