(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 202210764430.5 (22)申请日 2022.07.01 (65)同一申请的已公布的文献号 申请公布号 CN 114821013 A (43)申请公布日 2022.07.29 (73)专利权人 深圳大学 地址 518060 广东省深圳市南 山区粤海街 道南海大道3 688号 (72)发明人 黄惠　陈柱瀚　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 曾情 (51)Int.Cl. G06T 19/20(2011.01) G06V 10/74(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 20/64(2022.01) G06T 17/00(2006.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (56)对比文件 CN 113378760 A,2021.09.10 审查员 刘晓丹 (54)发明名称 基于点云数据的基元检测方法、 装置和计算 机设备 (57)摘要 本申请涉及一种基于点云数据的基元检测 方法、 装置和计算机设备。 所述方法包括： 将获取 的样本点云数据输入至待训练的基元检测模型 中， 确定所述样本点云数据对应的多个样本基 元， 拟合各样本基元对应的几何参数； 通过所述 待训练的基元检测模型根据各样本基元对应的 几何参数提取多个样本基元之间的全局结构关 系； 根据所述全局结构关系中的错误结构关系， 对所述待训练的基元检测模型进行约束， 得到预 先训练的基元检测模型； 通过所述预先训练的基 元检测模型对获取到的待检测点云数据进行基 元检测。 采用本方法能够提高基元检测准确性。 权利要求书2页 说明书18页 附图5页 CN 114821013 B 2022.10.18 CN 114821013 B 1.一种基于点云数据的基元检测方法， 其特 征在于， 所述方法包括： 将获取的样本点云数据输入至待训练 的基元检测模型中， 确定所述样本点云数据对应 的多个样本基元， 对各样本基元进行参数化拟合， 得到各样本基元对应的几何参数， 包括： 通过待训练的基元检测模型对样本点云数据进行特征提取， 得到所述样本点云数据对应的 高维特征； 通过所述待训练的基元检测模型根据所述高维特征确定所述样本点云数据对应 的多个样本基元， 预测各样本基元对应的样本基元类型； 通过所述待训练的基元检测模型 根据各样本基元的样本基元类型以及所述样本点云数据对相应样本基元进 行参数化拟合， 得到各样本基元对应的几何参数； 通过所述待训练的基元检测模型根据各样本基元对应的几何参数提取多个样本基元 之间的全局结构关系； 根据所述全局结构关系中的错误结构关系， 对所述待训练的基元检测模型进行约束， 得到预先训练的基元检测模型； 通过所述预先训练的基元检测模型对获取到的待检测点云数据进行基元检测。 2.根据权利要求1所述的方法， 其特征在于， 所述通过所述待训练 的基元检测模型对所 述样本点云数据进行 特征提取， 得到所述样本点云数据对应的高维特 征包括： 通过所述待训练的基元检测模型提取 所述样本点云数据对应的浅层特 征； 通过所述待训练的基元检测模型提取 所述样本点云数据对应的深层特 征； 将所述浅层特征以及所述深层特征进行组合， 得到所述样本点云数据对应的高维特 征。 3.根据权利要求1所述的方法， 其特征在于， 所述通过所述待训练 的基元检测模型根据 所述高维特征确定所述样本点云数据对应的多个样本基元， 预测各样本基元对应的样本基 元类型包括： 通过所述待训练 的基元检测模型根据 所述高维特征对所述样本点云数据进行分类， 得 到所述样本点云数据中各点的原 始基元类型； 通过所述待训练的基元检测模型根据所述高维特征将所述样本点云数据分割为多个 样本基元； 通过所述待训练的基元检测模型在各样本基元对应的点的原始基元类型中选取数量 最多的原 始基元类型确定为相应样本基元的样本基元类型。 4.根据权利要求3所述的方法， 其特征在于， 所述通过所述待训练 的基元检测模型根据 所述高维特 征将所述样本点云数据分割为多个样本基元包括： 通过所述待训练的基元检测模型根据所述高维特征预测所述样本点云数据中各点的 空间偏移量； 根据各点的空间偏移量计算相应点的空间偏移结果； 根据所述样本点云数据中各点的空间偏移结果以及所述高维特征将所述样本点云数 据分割为多个样本基元。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述全局结构关系中的错误结构 关系， 对所述待训练的基元检测模型进行约束， 得到预 先训练的基元检测模型包括： 根据所述全局结构关系中的错误结构关系以及预设全局结构关系损失函数计算全局 结构关系损失；权　利　要　求　书 1/2 页 2 CN 114821013 B 2根据所述全局结构关系损失对待训练 的基元检测模型进行训练， 得到预先训练 的基元 检测模型。 6.根据权利要求1至5任意一项所述的方法， 其特征在于， 所述通过所述预先训练的基 元检测模型对获取到的待检测点云数据进行基元检测包括： 获取待检测点云数据； 将所述待检测点云数据输入至所述预先训练 的基元检测模型中， 确定所述待检测点云 数据对应的多个待检测基元， 对各待检测基元进行参数化拟合， 得到各待检测基元对应的 几何参数， 得到基元检测结果。 7.一种基于点云数据的基元检测装置， 其特 征在于， 所述装置包括： 几何参数拟合模块， 用于将获取的样本点云数据输入至待训练的基元检测模型中， 确 定所述样本点云数据对应的多个样本基元， 对各样本基元进行参数化拟合， 得到各样本基 元对应的几何参数； 全局结构关系提取模块， 用于通过所述待训练的基元检测模型根据各样本基元对应的 几何参数提取多个样本基元之间的全局结构关系； 训练模块， 用于根据所述全局结构关系中的错误结构关系， 对所述待训练的基元检测 模型进行约束， 得到预 先训练的基元检测模型； 基元检测模块， 用于通过所述预先训练的基元检测模型对获取到的待检测点云数据进 行基元检测； 所述几何参数拟合模块包括： 特征提取模块， 用于通过待训练的基元检测模型对样本点云数据进行特征提取， 得到 所述样本点云数据对应的高维特 征； 基元检测模块， 用于通过所述待训练 的基元检测模型根据 所述高维特征确定所述样本 点云数据对应的多个样本基元， 预测各样本基元对应的样本基元类型； 参数化拟合模块， 用于通过所述待训练的基元检测模型根据各样本基元的样本基元类 型以及所述样本点云数据对相应样本基元进 行参数化拟合， 得到各样本基元对应的几何参 数。 8.根据权利要求7所述的装置， 其特征在于， 所述特征提取模块还用于通过所述待训练 的基元检测模型提取所述样本点云数据对应的浅层特征； 通过所述待训练的基元检测模型 提取所述样本点云数据对应的深层特征； 将所述浅层特征以及所述深层特征进行组合， 得 到所述样本点云数据对应的高维特 征。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 6中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至 6中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114821013 B 3