本发明涉及点云分割技术,特别涉及一种基于pointnet的点云实例分割方法及系统。
背景技术:
点云分割即根据空间、几何和纹理等特征将点云分为多个同质区域,使得同一划分内的点云拥有相似的特征,是许多应用的前提。点云分割分为两种:语义分割和实例分割,其中点云语义分割是给场景中的每个点打上语义标签,指出这个点是桌子还是椅子。而点云实例分割是在语义分割的基础上,把每个不同的物体分割出来,指出这个点是椅子1还是椅子2,是三维重建、场景理解和目标识别跟踪等各项任务处理的基础。目前,点云实例分割多通过对体素化三维数据进行卷积完成分割,由于进行了体素操作,处理的数据量大,时间和空间复杂度高,此外由于仅使用了部分几何结构信息,分割的准确率较低。
技术实现要素:
本发明的目的在于提供一种基于pointnet的点云实例分割方法及系统。
实现本发明目的的技术解决方案为:一种基于pointnet的点云实例分割方法,包括如下步骤:
步骤1、进行点云数据预处理,包括分块、采样、平移和归一化操作;
步骤2、训练pointnet神经网络,提取点云特征矩阵;
步骤3、训练相似网络、置信网络和语义分割网络,确定特征矩阵的相似矩阵、置信度矩阵和语义分割矩阵;
步骤4、根据相似网络和置信网络确定有效的分割实例组,去噪去重后得到完整的分割实例物体。
一种基于pointnet的点云实例分割系统,包括:
点云数据预处理模块,用于分块、采样、平移和归一化操作;
pointnet神经网络训练模块,用于训练pointnet神经网络,提取点云特征矩阵;
矩阵计算模块,包括训练相似网络、置信网络和语义分割网络,用于提取点云特征的相似矩阵、置信度矩阵和语义分割矩阵;
聚类合并模块,用于确定有效的分割实例组,通过去噪去重操作完成实例物体得分割完成实例物体得分割。
本发明与现有技术相比,其显著优点为:在pointnet神经网络基础上设计了三个分支网络结构,通过训练网络获得每个点的实例标签,提高了点云实例分割的精度。<