3D点云语义分割方法分为基于体素化的方法、基于多视图的方法和基于点云的方法,既然有基于体素化的方法,那么就有就会有点云体素化的表达方式:
我理解的点云体素化就是将有点云的地方用方块来表示,从而构造成具有三维像素风格的图,效果如下图所示。但是理解应该少了一点,就是体素化后的点云其实是包括有点云和无点云两部分的,比如voxel_resolution=(5,5,5)的图片只是可视化了有点云的部分,无点云的部分并没有可视化出来,实际上他是一个5*5*5的立方体。
在体素划分后,有点云的体素网格和无点云的体素网格(空网格)均会被输入计算机进行操作,使用3D卷积核的卷积可以自动扩展和调整感受野,获取每个体素对应的特征。(由于没有深入研究过基于体素化的点云网络,这部分都是参考博客和文献得出来的,可能理解上会有一点偏差,体素化的代码如下)
import numpy as np
def point_cloud_to_voxel(point_cloud, voxel_resolution):
voxel_grid = np.zeros(voxel_resolution, dtype=np.int32)
# 计算点云中的坐标范围
min_coords = np.min(point_cloud, axis=0)
max_coords = np.max(point_cloud, axis=0)
# 计算归一化的坐标范围
range_coords = max_coords - min_coords
# 归一化点云坐标
normalized_point_cloud = (point_cloud - min_coords) / range_coords
for point in normalized_point_cloud:
x, y, z = point
voxel_x = int(x * voxel_resolution[0])
voxel_y = int(y * voxel_resolution[1])
voxel_z = int(z * voxel_resolution[2])
voxel_x = max(0, min(voxel_resolution[0] - 1, voxel_x))
voxel_y = max(0, min(voxel_resolution[1] - 1, voxel_y))
voxel_z = max(0, min(voxel_resolution[2] - 1, voxel_z))
voxel_grid[voxel_x, voxel_y, voxel_z] = 1
return voxel_grid
import numpy as np
def point_cloud_to_voxel(point_cloud, voxel_resolution):
voxel_grid = np.zeros(voxel_resolution, dtype=np.int32)
# 计算点云中的坐标范围
min_coords = np.min(point_cloud, axis=0)
max_coords = np.max(point_cloud, axis=0)
# 计算归一化的坐标范围
range_coords = max_coords - min_coords
# 归一化点云坐标
normalized_point_cloud = (point_cloud - min_coords) / range_coords
for point in normalized_point_cloud:
x, y, z = point
voxel_x = int(x * voxel_resolution[0])
voxel_y = int(y * voxel_resolution[1])
voxel_z = int(z * voxel_resolution[2])
voxel_x = max(0, min(voxel_resolution[0] - 1, voxel_x))
voxel_y = max(0, min(voxel_resolution[1] - 1, voxel_y))
voxel_z = max(0, min(voxel_resolution[2] - 1, voxel_z))
voxel_grid[voxel_x, voxel_y, voxel_z] = 1
return voxel_grid
# 示例点云数据,每个点表示为 (x, y, z) 坐标,可能包含负数坐标
point_cloud =np.loadtxt(r"/your/point/cloud/path")
# 定义体素分辨率,这里假设分辨率为 (10, 10, 10)
voxel_resolution = (10, 10, 10)
# 将点云转换为体素格式
voxel_data = point_cloud_to_voxel(point_cloud, voxel_resolution)
# 可视化体素数据
plot_voxel(voxel_data)
纯属个人理解,由于没咋研究基于体素的网络,如有错误感谢大家指出。
参考文献:
[1]双丰,黄兴文,李勇,等.基于深度学习的大规模点云语义分割方法综述[J].测绘科学,2023,48(2):195-209.
[2]https://blog.csdn.net/wqwqqwqw1231/article/details/105353231