(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210850940.4 (22)申请日 2022.07.20 (65)同一申请的已公布的文献号 申请公布号 CN 114926699 A (43)申请公布日 2022.08.19 (73)专利权人 深圳大学 地址 518060 广东省深圳市南 山区南海大 道3688号 (72)发明人 汤圣君　李晓明　王伟玺　姚萌萌　 谢林甫　黄正东　郭仁忠　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 朱阳波 (51)Int.Cl. G06V 10/764(2022.01)G06V 10/762(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/26(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 111507982 A,2020.08.07 CN 114140586 A,202 2.03.04 审查员 李佳丽 (54)发明名称 一种室内三维点云语义分类方法、 装置、 介 质及终端 (57)摘要 本发明公开了一种室内三维点云语义分类 方法、 装置、 介质及终端， 方法包括， 通过指定的 训练数据集对神经网络进行训练， 得到预测模 型， 基于所述预测模型对原始点云进行语义分 类， 得到含有语义信息的深度学习分类点云； 对 所述原始点 云进行几何与颜色特征点云分割， 得 到分割结果点云； 基于统计信息对 所述深度学习 分类点云和所述分割结果点云进行关联， 得到语 义标签集合， 采用概率模型对所述语义标签集合 进行交叉融合， 得到含有语义信息的精细化语义 分类点云； 本发 明采用上述方法后能够获得带语 义信息且高精度的语义分类点云， 可直接应用于 深层次的室内空间应用中。 权利要求书2页 说明书9页 附图3页 CN 114926699 B 2022.12.06 CN 114926699 B 1.一种室内三维点云语义分类方法， 其特 征在于， 所述方法包括： 通过指定的训练数据集对神经网络进行训练， 得到预测模型， 基于所述预测模型对原 始点云进行语义分类， 得到含有语义信息的深度学习分类点云； 对所述原 始点云进行几何与颜色特 征点云分割， 得到分割结果 点云； 基于统计信 息对所述深度学习分类点云和所述分割结果点云进行关联， 得到语义标签 集合， 采用概率模型对所述语义标签集合进行交叉融合， 得到含有语义信息的精细化语义 分类点云； 其中， 所述对所述原 始点云进行几何与颜色特 征点云分割， 得到分割结果 点云包括： 对所述原始点云依次进行平面粗提取和平面精细提取， 得到精确的建筑主体平面点云 集； 将原始点云中所述精确的建筑主体平面点云集进行剔除， 得到室内部件点云， 对所述 室内部件点云进行粗分隔， 得到室内部件聚类点云； 基于颜色的区域增长的方法对所述室内部件聚类点云和所述精确的建筑主体平面点 云集进行 再分割， 得到分割结果 点云。 2.根据权利要求1所述的一种室内三维点云语义分类方法， 其特征在于， 所述通过指定 的训练数据集对神经网络进行训练， 得到预测模型， 基于所述预测模型对原始点云进行语 义分类， 得到含有语义信息的深度学习分类点云包括： 将用于训练的点云集分割成若干个子点云集， 对所述子点云集添加相应的部件标签， 得到部件子点云集， 将若干个部件子点云集作为训练数据集； 通过训练数据集对RandLA ‑Net神经网络进行训练， 得到所述预测模型； 将所述原始点云输入到所述预测模型中进行语义分类， 得到含有语义信 息的深度 学习 分类点云。 3.根据权利要求2所述的一种室内三维点云语义分类方法， 其特征在于， 所述将所述原 始点云输入到所述预测模型中进行语义分类， 得到含有语义信息的深度学习分类点云包 括： 将所述原 始点云输入到所述预测模型中， 对原 始点云进行随机降采样， 得到降采点 集； 对所述降采点 集进行局部特 征聚合， 得到所述含有语义信息的深度学习分类点云。 4.根据权利要求3所述的一种室内三维点云语义分类方法， 其特征在于， 所述对所述原 始点云依次进行平面 粗提取和平面精细提取， 得到精确的建筑主体平面 点云集包括： 寻找原始点云中的最大值坐标和最小值坐标， 基于所述最大值坐标和最小值坐标形成 矩形包围盒的边界， 计算矩形包围盒六个面的平面模型； 创建点云空集， 对原始点云中的每个点依次进行点到矩形包围盒六个面的距离计算， 得到点面距离， 将小于阈值的点 面距离对应的点添加到点云空集中， 得到点云集； 对所述点云集进行RANSAC平面分割， 得到精确的建筑主体平面 点云集。 5.根据权利要求4所述的一种室内三维点云语义分类方法， 其特征在于， 所述基于颜色 的区域增长的方法对所述室内部件聚类点云和所述精确的建筑主体平面点云集进行再分 割， 得到分割结果 点云包括： 在建筑主体平面点云集和室内部件聚类点云中选取若干个种子点， 查询每个种子点的 近邻点， 将颜色相近的近邻点 合并形成簇；权　利　要　求　书 1/2 页 2 CN 114926699 B 2基于平均颜色差异性将两个簇合并在一 起， 形成集群； 验证每个所述集群中的点云总数， 若集群中的点云总数小于阈值， 则将集群与相邻集 群进行合并， 得到分割结果 点云。 6.根据权利要求5所述的一种室内三维点云语义分类方法， 其特征在于， 所述基于统计 信息对所述深度学习分类点云和所述分割 结果点云进行关联， 得到语义标签集合， 采用概 率模型对所述语义标签集合进行交叉融合， 得到含有语义信息的精细化语义分类点云包 括： 将所述分割结果点云中每个点作为查询点， 将深度 学习分类点云中的每个点作为搜索 点， 计算搜索点到查询点的距离， 基于所述距离获得搜索点中距离查询点最近的点的语义 标签； 基于所述语义标签获取对应的语义标签集 合； 基于语义标签集合统计分割结果点云中每个聚类的语义标签统计直方图， 计算各聚类 中语义标签的占比； 将各聚类中语义标签的占比值小于占比阈值的标签重新分类为占比最大的标签类别， 得到含有语义信息的精细化语义分类点云。 7.一种室内三维点云语义分类装置， 其特 征在于， 包括： 分类模块， 用于通过指定的训练数据集对神经网络进行训练， 得到预测模型， 基于所述 预测模型对原 始点云进行语义分类， 得到含有语义信息的深度学习分类点云； 分割模块， 用于对所述原 始点云进行几何与颜色特 征点云分割， 得到分割结果 点云； 融合模块， 用于基于统计信息对所述深度学习分类点云和所述分割结果点云进行关 联， 得到语义标签集合， 采用概率模型对所述语义标签集合进 行交叉融合， 得到含有语义信 息的精细化语义分类点云； 其中， 所述对所述原 始点云进行几何与颜色特 征点云分割， 得到分割结果 点云包括： 对所述原始点云依次进行平面粗提取和平面精细提取， 得到精确的建筑主体平面点云 集； 将原始点云中所述精确的建筑主体平面点云集进行剔除， 得到室内部件点云， 对所述 室内部件点云进行粗分隔， 得到室内部件聚类点云； 基于颜色的区域增长的方法对所述室内部件聚类点云和所述精确的建筑主体平面点 云集进行 再分割， 得到分割结果 点云。 8.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有一个或者 多个程序， 所述一个或者多个程序可被一个或者多个处理器执行， 以实现如权利要求 1‑6任 意一项所述的室内三维点云语义分类方法中的步骤。 9.一种终端设备， 其特征在于， 包括： 处理器、 存储器及通信总线;所述存储器上存储有 可被所述处 理器执行的计算机可读程序； 所述通信总线实现处 理器和存 储器之间的连接通信； 所述处理器执行所述计算机可读程序时实现如权利要求1 ‑6任意一项所述的室内三维 点云语义分类方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114926699 B 3