(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 202111636495.3 (22)申请日 2021.12.2 9 (71)申请人 杭州电子科技大 学 地址 310016 浙江省杭州市杭州经济技 术 开发区白杨街道 2号大街1 158号 (72)发明人 陈庆光　蔡云涛　周升龙　 (74)专利代理 机构 浙江千克知识产权代理有限 公司 33246 代理人 黎双华 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于区域相关性建模的三维点云模型 分类方法及系统 (57)摘要 本发明涉及一种基于区域相关性建模的三 维点云模型分类方法及系统。 其方法包括步骤： S1、 采用等投影面积法， 将三维点云模型投影至 二维平面， 并划分得到n ×m个区域， n表示设定方 位角方向上的区域划分个数， m表示相应极角方 向上的区域划分个数； S2、 分别对每个区域进行 特征提取， 以分别得到每个区域的M维特征， 并采 用n×m×M维特征表示三维点云模型； S3、 将n ×m ×M维特征作为输入， 利用卷积神经网络学习得 到各区域间的相关性特征； S4、 卷积神经网络基 于相关性特征对三维点云模型进行分类。 本发明 对三维点云模型中不同区域之间的相关性进行 建模， 融合了子区域的局部特征以及不同子区域 之间的相关性特 征， 有效提高了分类精度。 权利要求书2页 说明书6页 附图2页 CN 114299339 A 2022.04.08 CN 114299339 A 1.一种基于区域相关性建模的三维点云模型分类方法， 其特 征在于， 包括 步骤： S1、 采用等投影面积法， 将三维点云模型投影至二维平面， 并划分得到n ×m个区域， n表 示设定方位角方向上的区域划分个数， m表示相应极角方向上的区域划分个数； S2、 分别对每个区域进行特征提取， 以分别得到每个区域的M维特征， 并采用n ×m×M维 特征表示三维点云模型； S3、 将n×m×M维特征作为输入， 利用卷积神经网络学习得到各区域间的相关性特 征； S4、 卷积神经网络基于相关性特 征对三维点云模型进行分类。 2.根据权利要求1所述的一种基于区域相关性建模的三维点云模型分类方法， 其特征 在于， 步骤S1中， 包括 步骤： S1.1、 读取并显示 三维点云模型； S1.2、 计算 三维点云模型质心及其主方向； S1.3、 基于质心以及主方向， 对空间坐标系以及三维点云模型进行位姿矫正， 以使三维 点云模型位于空间坐标系的xOy平面之上； S1.4、 以位姿矫正后的空间坐标系坐标原点为中心构建球面坐标系， 并对整个球形表 面进行等 面积划分， 以划分得到n ×m个区域。 3.根据权利要求2所述的一种基于区域相关性建模的三维点云模型分类方法， 其特征 在于， 步骤S1.2中， 具体采用主成分 分析法计算 三维点云模型主方向。 4.根据权利要求2所述的一种基于区域相关性建模的三维点云模型分类方法， 其特征 在于， 步骤S1.3中， 位姿矫 正包括： 将空间坐标系原点移至质心位置处； 基于主方向对三维点云模型进行位姿矫正， 使三维点云模型位于空间坐标系的xOy平 面之上。 5.根据权利要求2所述的一种基于区域相关性建模的三维点云模型分类方法， 其特征 在于， 步骤S1.4中： 在设定方位角 的方向上进行方位角间隔为 个数为n的均匀划分， 则极角 θ 以及极 角间隔Δθ 满足： c＝( θi+1‑θi)(sinθi+1+sinθi)， 其中， θi+1、 θi分别表示第i+1和第i个极角的大小， 极角间隔Δθ＝θi+1‑θi， i+1表示在球 面坐标系下方位角为 范围内、 在极角 θ方向上划分的区域个数m， c表示一个常 数。 6.根据权利要求1所述的一种基于区域相关性建模的三维点云模型分类方法， 其特征 在于， 步骤S1与步骤S2之间还 包括步骤： 统计每个区域内的点数量， 对于点数量在预设范围内的区域， 将该区域内的点数量增 至预设范围的上限值， 对于点数量在预设范围以下的区域则直接 丢弃。 7.根据权利要求1所述的一种基于区域相关性建模的三维点云模型分类方法， 其特征 在于， 步骤S2中， 包括 步骤： S2.1、 采用Po intNet在ShapeNet数据集上进行训练， 以训练得到模型参数； S2.2、 用训练好的模型参数分别 对每个区域进行特征提取， 以分别得到每个区域的M维权　利　要　求　书 1/2 页 2 CN 114299339 A 2特征； S2.3、 采用n ×m×M维特征表示三维点云模型。 8.根据权利要求7所述的一种基于区域相关性建模的三维点云模型分类方法， 其特征 在于， 步骤S2.1中， 训练过程包括以下步骤： S2.1.1、 PointNet在ShapeNet数据集中， 不可重复的随机采样100个点， 表示为100 ×3 维特征； S2.1.2、 使用 共享权重的mlp对每个点进行处理， 将其特征映射至1024维， 得到100 × 1024维特 征； S2.1.3、 使用最大值池化 提取出1024维特 征， 得到1 ×1024维特 征； S2.1.4、 通过全连接层， 将1 ×1024维特征输入分类器， 分类器输出16个预测结果， 并将 16个预测结果分为16个 类； S2.1.5、 得到训练完成的模型参数。 9.根据权利要求8所述的一种基于区域相关性建模的三维点云模型分类方法， 其特征 在于， n＝6， m＝6， M＝1024。 10.一种基于区域相关性建模的三维点云模型分类系统， 基于权利要求1 ‑9任一项所述 的分类方法， 其特征在于， 包括依 次联接的区域划分模块、 特征提取模块、 卷积神经网络模 块， 卷积神经网络模块包括相联的特征学习单元、 分类单元， 特征学习单元与特征提取模块 联接； 区域划分模块， 用于采用等投影面积法， 将三维点云模型投影至二维平面， 并划分得到 n×m个区域， n表示设定方位角方向上的区域划分个数， m表示相应极角方向上的区域划分 个数； 特征提取模块， 用于分别对每个区域进行特征提取， 以分别得到每个区域的M维特征， 并采用n×m×M维特征表示三维点云模型； 特征学习单元， 用于将n ×m×M维特征作为输入， 利用卷积神经网络学习得到各区域间 的相关性特 征； 分类单元， 用于基于相关性特 征对三维点云模型进行分类。权　利　要　求　书 2/2 页 3 CN 114299339 A 3