(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 202210308663.4 (22)申请日 2022.03.28 (71)申请人 苏州浪潮智能科技有限公司 地址 215100 江苏省苏州市吴中经济开发 区郭巷街道官浦路1号9幢 (72)发明人 詹景麟　刘铁军　张晶威　刘丹　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 王燕 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01)G06V 10/764(2022.01) G06V 10/80(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 一种点云数据识别方法、 装置、 电子设备及 存储介质 (57)摘要 本发明提供一种点云数据识别方法、 装置、 电子设备及存储介质， 方法包括： 获取单帧点云 数据， 并将单帧点云数据分割为预设数量的局部 数据； 将局部数据并行输入至预设数量的 PointNet++网络中， 以使PointNet++网络提取局 部数据对应的局部特征； 将所有局部数据输入至 ViT网络中， 以使ViT网络提取单帧点 云数据的全 局特征； 融合局部特征和全局特征得到融合特 征， 并利用融合特征对单帧点云数据进行类型识 别； 结合PointNet++网络和ViT网络进行点云数 据的识别任务， 能够有效提取点 云数据的全局特 征， 并能够很好地综合点云数据的全局特征及局 部特征， 进而可有效提升点云数据的感知及识别 效果。 权利要求书2页 说明书9页 附图3页 CN 114419570 A 2022.04.29 CN 114419570 A 1.一种点云数据识别方法， 其特 征在于， 包括： 获取单帧点云数据， 并将所述单帧点云数据分割为预设数量的局部数据； 将所述局部数据并行输入至所述预设数量的PointNet++网络中， 以使所述PointNet++ 网络提取 所述局部数据对应的局部特 征； 将所有所述局部数据输入至ViT网络中， 以使所述ViT网络提取所述单帧点云数据的全 局特征； 融合所述局部特征和所述全局特征得到 融合特征， 并利用所述融合特征对所述单帧点 云数据进行类型识别。 2.根据权利要求1所述的点云数据识别方法， 其特征在于， 所述将所述单帧点云数据分 割为预设数量的局部数据， 包括： 利用K均值算法将所述单帧点云数据中的数据点划分至所述预设数量的数据簇中， 得 到所述局部数据； 对每一所述局部数据包 含的数据点数量进行统计； 若所述数据点数量大于预设数据点数量， 则对所述数据点数量对应的目标局部数据中 的数据点进行随机移除， 直至移除后的数据点数量 等于所述预设数据点数量； 若所述数据点数量小于所述预设数据点数量， 则在所述目标局部数据中增加新数据 点， 直至增 加后的数据点数量 等于所述预设数据点数量。 3.根据权利要求2所述的点云数据识别方法， 其特征在于， 所述在所述目标局部数据中 增加新数据点， 包括： 利用插值法及所述目标局部数据中的数据点生成所述新数据点， 并将所述新数据点添 加至所述目标局部数据中。 4.根据权利要求1所述的点云数据识别方法， 其特征在于， 所述融合所述局部特征和所 述全局特 征得到融合特 征， 包括： 将所述局部特征对应的局部特征向量与 所述全局特征对应的全局特征向量进行拼接， 得到所述融合特 征。 5.根据权利要求1所述的点云数据识别方法， 其特征在于， 所述PointNet++网络提取所 述局部数据对应的局部特 征， 包括： 所述PointNet ++网络利用预训练的转换矩阵对接收到的局部数据进行对齐， 并提取对 齐后的局部数据的局部特 征。 6.根据权利要求1至5任一项所述的点云数据识别方法， 其特征在于， 在获取单帧点云 数据之前， 还 包括： 获取点云训练集， 并随机初始化所述PointNet ++网络、 所述ViT网络及 所述类型识别过 程中所需使用的模型权重； 所述点云训练集中的单帧点云训练数据标注有对应的实际分 类； 将所述点云训练集中的每一所述单帧点云训练数据分割为所述预设数量的局部训练 数据； 将所述单帧点云训练数据对应的局部训练数据输入至所述PointNet ++网络和所述ViT 网络， 并对 所述PointNet++网络和所述V iT网络的输出结果进行融合， 得到所述单帧点云训 练数据的融合特 征；权　利　要　求　书 1/2 页 2 CN 114419570 A 2利用所述单帧点云训练数据的融合特征对所述单帧点云训练数据进行类型识别， 并利 用得到的预测分类及所述单帧点云训练数据的实际分类 计算损失值； 利用梯度 下降法及所述损失值对所述模型权重进行迭代更新， 并进入将所述单帧点云 训练数据对应的局部训练数据输入至所述PointNet++网络和所述ViT网络的步骤， 直至迭 代次数到 达预设上限或所述损失值小于预设阈值。 7.一种点云数据识别装置， 其特 征在于， 包括： 获取及分割模块， 用于获取单帧点云数据， 并将所述单帧点云数据分割为预设数量的 局部数据； 第一输入模块， 用于将所述局部数据并行输入至所述预设数量的PointNet++网络中， 以使所述Po intNet++网络提取 所述局部数据对应的局部特 征； 第二输入模块， 用于将所有所述局部数据输入至ViT网络中， 以使所述ViT网络提取所 述单帧点云数据的全局特 征； 融合及识别模块， 用于融合所述局部特征和所述全局特征得到融合特征， 并利用所述 融合特征对所述单帧点云数据进行类型识别。 8.根据权利要求7 所述的点云数据识别装置， 其特 征在于， 所述获取及分割模块， 包括： 划分子模块， 用于利用K均值算法将所述单帧点云数据中的数据点划分至所述预设数 量的数据簇中， 得到所述局部数据； 统计子模块， 用于对每一所述局部数据包 含的数据点数量进行统计； 移除子模块， 用于若所述数据点数量大于预设数据点数量， 则对所述数据点数量对应 的目标局部数据中的数据点进 行随机移除， 直至移除后的数据点数量等于所述预设数据点 数量； 增加子模块， 用于若所述数据点数量小于所述预设数据点数量， 则在所述目标局部数 据中增加新数据点， 直至增 加后的数据点数量 等于所述预设数据点数量。 9.一种电子设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至6任一项所述的点云数据识别 方法。 10.一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中存储有计算机 可执行指令， 所述计算机可执行指令被处理器加载并执行时， 实现如权利要求1至6任一项 所述的点云数据识别方法。权　利　要　求　书 2/2 页 3 CN 114419570 A 3