CN115019048A - 三维场景分割方法、模型训练方法、装置和电子设备 - Google Patents

三维场景分割方法、模型训练方法、装置和电子设备 Download PDF

Info

Publication number
CN115019048A
CN115019048A CN202210806894.8A CN202210806894A CN115019048A CN 115019048 A CN115019048 A CN 115019048A CN 202210806894 A CN202210806894 A CN 202210806894A CN 115019048 A CN115019048 A CN 115019048A
Authority
CN
China
Prior art keywords
feature
point
sub
points
features
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210806894.8A
Other languages
English (en)
Other versions
CN115019048B (zh
Inventor
叶晓青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202210806894.8A priority Critical patent/CN115019048B/zh
Publication of CN115019048A publication Critical patent/CN115019048A/zh
Application granted granted Critical
Publication of CN115019048B publication Critical patent/CN115019048B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种三维场景分割方法、模型训练方法、装置和电子设备，涉及人工智能技术领域，具体涉及图像处理、计算机视觉和深度学习等技术领域，可应用于3D视觉、增强现实等场景。实现方案为：获得目标三维场景中的点集对应的点云数据，目标三维场景包括多个实例，多个实例中的每一个实例在多个类别中具有相应类别，点集包括来自多个实例中的每一个实例的多个点；基于点云数据，获得第一特征；以及基于第一特征，获得目标三维场景的分割结果，分割结果指示与点集中的每一个点在多个实例中的所属实例。

Description

三维场景分割方法、模型训练方法、装置和电子设备
技术领域
本公开涉及人工智能技术领域，具体涉及图像处理、计算机视觉和深度学习等技术领域，可应用于3D视觉、增强现实等场景，具体涉及一种三维场景分割方法、三维场景分割模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
基于人工智能的三维视觉技术已经渗透到各个领域。例如，针对道路场景下的三维场景中，基于三维场景的点云数据，对位于三维场景中的实例进行分割，可以识别出行人、汽车等物体，帮助车辆理解道路环境。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种三维场景分割方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种三维场景分割方法，包括：获得目标三维场景中的点集对应的点云数据，所述目标三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括来自所述多个实例中的每一个实例的多个点；基于所述点云数据，获得第一特征，其中，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述点集中的每一个点的第一子特征与所述点集中的多个第一子集中对应的多个第一全局特征之间具有第一相对关系，所述多个第一子集中的每一个第一子集的多个点的相应的第一子特征指示所述多个类别中的同一类别；以及基于所述第一特征，获得所述目标三维场景的分割结果，所述分割结果指示与所述点集中的每一个点在所述多个实例中的所属实例。
根据本公开的另一方面，提供了一种三维场景分割模型训练方法，包括：获得训练三维场景中的点集对应的训练点云数据，所述训练三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括多个子集，每一个子集包括来自所述多个实例中的同一实例的多个点；利用所述三维场景分割模型基于所述训练点云数据获得第一特征，并且利用经训练的第一模型基于所述训练点云数据获得第二特征，其中，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述第二特征包括与所述点集中的每一个点相应的第二子特征，所述第二子特征指示相应点在所述多个类别中的相应类别；基于所述第一特征，获得所述点集中的每一个点的第一子特征与所述多个子集对应的多个第一全局特征之间的第一相对关系；基于所述第二特征，获得所述点集中的每一个点的第二子特征与所述多个子集对应的多个第二全局特征之间的第二相对关系；基于所述点集中的每一个点对应的第一相对关系和第二相对关系，获得第一损失；以及至少基于所述第一损失，调整所述三维场景分割模型的参数。
根据本公开的另一方面，提供了一种三维场景分割装置，包括：点云数据获取单元，被配置用于获得目标三维场景中的点集对应的点云数据，所述目标三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括来自所述多个实例中的每一个实例的多个点；第一特征获取单元，被配置用于基于所述点云数据，获得第一特征，其中，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述点集中的每一个点的第一子特征与所述点集中的多个第一子集对应的多个第一全局特征之间具有第一相对关系，所述多个第一子集中的每一个第一子集的多个点的相应的第一子特征指示所述多个类别中的同一类别；以及分割结果获取单元，被配置用于基于所述第一特征，获得所述目标三维场景的分割结果，所述分割结果指示与所述点集中的每一个点在所述多个实例中的所属实例。
根据本公开的另一方面，提供了一种三维场景分割模型训练装置，包括：训练数据获取单元，被配置用于获得训练三维场景中的点集对应的训练点云数据，所述训练三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括多个子集，每一个子集包括来自所述多个实例中的同一实例的多个点；特征获取单元，被配置用于利用所述三维场景分割模型基于所述训练点云数据获得第一特征，并且利用经训练的第一模型基于所述训练点云数据获得第二特征，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述第二特征包括与所述点集中的每一个点相应的第二子特征，所述第二子特征指示相应点在所述多个类别中的相应类别；第一相对关系获取单元，被配置用于基于所述第一特征，获得所述点集中的每一个点的第一子特征与所述多个子集对应的多个第一全局特征之间的第一相对关系；第二相对关系获取单元，被配置用于基于所述第二特征，获得所述点集中的每一个点的第二子特征与所述多个子集对应的多个第二全局特征之间的第二相对关系；第一损失计算单元，被配置用于基于所述点集中的每一个点对应的第一相对关系和第二相对关系，获得第一损失；以及参数调整单元，被配置用于至少基于所述第一损失，调整所述三维场景分割模型的参数。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开的实施例所述的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开的实施例所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现本公开的实施例所述的方法。
根据本公开的一个或多个实施例，可以减少计算量的同时，提升对三维场景的分割精度。
根据本公开的一个或多个实施例，可以提升三维场景的分割精度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性***的示意图；
图2示出了根据本公开的实施例的三维场景分割方法的流程图；
图3示出了根据本公开的实施例的三维场景分割方法中基于点云数据获得第一特征的过程的流程图；
图4示出了根据本公开的实施例的三维场景分割方法中基于体素化数据获得第一特征的过程的流程图；
图5示出了可以实现根据本公开的实施例的三维场景分割模型训练方法的流程图；
图6示出了可以实现根据本公开的实施例的三维场景分割模型训练方法中获得点集中的每一个点的第一子特征与多个子集对应的多个第一全局特征之间的第一相对关系的过程流程图；
图7示出了可以实现根据本公开的实施例的三维场景分割模型训练方法中基于多个子集对应的多个第一全局特征和点集中的每一个点的第一子特征获得点集中的每一个点对应的第一相对关系的过程的流程图；
图8示出了根据本公开的实施例的三维场景分割装置的结构框图；
图9示出了根据本公开的实施例的三维场景分割模型训练装置的结构框图；以及
图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1，该***100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行三维场景的分割方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的***配置是可能的，其可以与***100不同。因此，图1是用于实施本文所描述的各种方法的***的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来接收三维场景的分割结果。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏***、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作***，例如MICROSOFT Windows、APPLE iOS、类UNIX操作***、Linux或类Linux操作***(例如GOOGLE Chrome OS)；或包括各种移动操作***，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏***可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中，服务器120可以为分布式***的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
***100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件***支持的常规存储库。
图1的***100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
根据本公开的一方面，提供了一种三维场景分割方法。参看图2，根据本公开的一些实施例，三维场景分割方法200包括：
步骤S210：获得目标三维场景中的点集对应的点云数据，所述目标三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括来自所述多个实例中的每一个实例的多个点；
步骤S220：基于所述点云数据，获得第一特征，其中，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述点集中的每一个点的第一子特征与所述点集中的多个第一子集中对应的多个第一全局特征之间具有第一相对关系，所述多个第一子集中的每一个第一子集的多个点的相应的第一子特征指示所述多个类别中的同一类别；以及
步骤S230：基于所述第一特征，获得所述目标三维场景的分割结果，所述分割结果指示与所述点集中的每一个点在所述多个实例中的所属实例。
通过获得目标三维场景中的点集对应的点云数据，并基于点云数据获得第一特征，该第一特征中的每一个第一子特征与点集中的多个第一子集的多个第一全局特征之间具有第一相对关系，使得在获得第一特征的过程中考虑了多个第一子集中的每一个第一子集的第一全局特征，从而实现在不增加预测时的计算量的前提下，提升语义分割的精度。
在相关技术中，对三维场景进行分割的过程中，基于点云数据获得的特征仅仅考虑各个点对应的子特征，使得所获得的三维场景的分割结果不够精确。
在根据本公开的实施例中，对目标三维场景进行分割的过程中，不仅仅考虑目标三维场景中的各个点对应的子特征，还考虑由对应的子特征指示多个类别中的同一类别的各个点构成的子集的全局特征，使得所获得的目标三维场景的分割结果是考虑了由对应的子特征指示多个类别中的同一类别的各个点构成的子集的全局特征的分割结果，融合了全局分布一致性的特点，从而在处理相同数据量的点云数据的情况下，可以提升分割结果的精度。
在一些实施例中，目标三维场景是经确定需要对其进行分割的三维场景。在一些实施例中，三维场景可以是任意的室内场景或室外场景，例如，针对单个教室的三维空间的场景，针对足球场的三维空间的场景。
在一些实施例中，目标三维场景的点云数据集可以是通过三维扫描设备针对目标三维场景进行扫描所采集的数据集。在一些实施例中，目标三维场景包括多个实例，则点云数据集中的每一个数据对应于多个实例中各个实例上被三维扫描设备扫描过的点。目标三维场景中的实例，即位于三维场景中的能够被扫描以获得相应的点云数据的对象，例如，实例可以是桌子、椅子、汽车或者人等，在此并不限定。
在一些实施例中，三维扫描设备包括激光雷达(2D/3D)、立体摄像头(stereocamera)、越渡时间相机(time-of-flight camera)等。
在一些实施例中，点云数据集中的每个点云数据指示该点云数据的相应点的位置信息、颜色信息、灰度值信息等。
在一些实施例中，直接基于点云数据，获得第一特征。
在一些实施例中，如图3所示，基于所述点云数据，获得第一特征包括：
步骤S310：对所述点云数据进行体素化，以获得体素化数据，所述体素化数据包括多个体素，所述多个体素中的每一个体素对应所述点集中的至少一个点；以及
步骤S320：基于所述体素化数据，获得所述第一特征。
通过对点云数据进行体素化后，基于体素化数据获得第一特征，使计算量进一步减少。
在一些实施例中，基于目标三维场景中的点集的坐标位置，对点云数据进行体素化。
在一些实施例中，采用经训练的神经网络对点云数据进行体素化。
在一些实施例中，如图4所示，基于所述体素化数据，获得所述第一特征包括：
步骤S410：对所述体素化数据执行特征提取，以获得体素数据特征，所述体素数据特征包括与所述多个体素中的每一个体素相应的体素特征，所述体素特征指示相应体素在所述多个类别中的对应类别；以及
步骤S420：将所述多个体素中的每一体素对应的体素特征确定为该体素所对应的至少一个点中的每一个点的第一子特征。
通过对体素话数据执行特征提取，获得体素数据特征，并将体素数据特征映射到每个体素所对应的点，获得第一特征，实现第一特征的获得。
在一些实施例中，采用稀疏卷积编码器对体素化数据进行特征提取之后，获得稀疏卷积编码器输出的特征，并且采用多层感知器(MLP)网络对稀疏卷积编码器输出的特征进行语义预测，以获得体素数据特征。
在一些实施例中，每一个体素对应的体素特征包括该体素与多个类别中的每一个类别对应的概率。
在一些实施例中，每一个体素对应的体素特征包括该体素与多个类别中的每一个类别对应的概率和通道数。
可以理解，基于体素数据特征获得的第一特征中的每一个点对应的第一子特征，也可以包括该点与多个类别中的每一个类别对应的概率，或者该点与多个类别中的每一个类别对应的概率和通道数。例如，将第一特征表示为N*C维的矩阵，其中C为通道数，N为目标三维场景中的点集中的点的数量。其中，矩阵中的每一个元素指示相应的点与多个类别中的每一个类别对应的概率。
在一些实施例中，第一特征中的每一个点对应的第一子特征包括该点与多个类别中的每一个类别对应的概率，则第一子集中的每一个点的第一子特所包括的多个概率中的最大概率对应多个类别中的同一类别。
在一些实施例中，多个第一全局特征中的每一个第一全局特征包括下列各项中的至少一项：
基于该第一全局特征所对应的第一子集中的每一个点的第一特征获得的全局平均池化特征；和
基于该第一全局特征所对应的第一子集中的每一个点的第一特征获得的全局最大池化特征。
在一些实施例中，通过全局平均池化网络对每一个第一子集所对应的子集特征进行全局平均池化，以获得该第一子集对应的第一全局特征。其中，每一个子集所对应的子集特征为该子集中的各个点所对应的第一子特征的组合。
在一些实施例中，通过全局平最大池化网络对每一个第一子集所对应的子集特征进行全局平均池化，以获得该第一子集对应的第一全局特征。其中，每一个子集所对应的子集特征为该子集中的各个点所对应的第一子特征的组合。
在一些示例中，将第一全局特征表示为维度为n*C的矩阵，其中，n为多个类别的数量，C为通道数。在矩阵中的每一个元素指示由每个类别对应的多个点构成的第一子集的全局特征。
在一些实施例中，每一个第一全局特征可以包括相应第一子集与多个类别中的每一个类别对应的概率，或者相应第一子集与多个类别中的每一个类别对应的概率和通道数。
在一些实施例中，所述第一相对关系包括相应点的第一子特征与所述多个第一全局特征中的每一个第一全局特征之间的相似度。使得在获得第一特征的过程中，考虑了各个第一子特征与各个第一全局特征之间的相似度，进一步提升目标三维场景的分割结果的准确性。
在一些实施例中，基于所述体素化数据，获得所述第一特征包括：
将所述体素化数据输入至第一特征提取网络，以获得所述第一特征；其中，
所述第一卷积编码器是基于包括第二特征提取网络的深度模型的指导进行训练而获得的，所述第二特征提取网络的参数数量大于所述第一特征提取网络的参数数量并且能够基于所述体素化数据获得第二特征，所述第二特征包括与所述点集中的每一个点相应的第二子特征，所述第二子特征指示相应点在所述多个类别中的相应类别，所述点集中的每一个点的第二子特征与所述点集中的多个第二子集对应的多个第二全局特征之间具有第二相对关系，所述多个第二子集中的每一个第二子集的多个点的相应的第二子特征指示所述多个类别中的同一类别；其中，
所述点集中的每一个点的所述第一相对关系和所述第二相对关系之间的相似度大于预设阈值。
通过将体素化数据输入至第一特征提取网络，获得第一特征，由于第一特征提取网络是采用包括第二特征提取网络的深度模型的指导进行训练而获得的，该深度模型所包括的第二特征提取网络的参数量大于第一特征提取网络的参数数量，使得第一卷积网络所提取的第一特征与第二卷积网络所提取的第二特征尽可能相似，从而使得小参数数量的第一特征提取网络，也能够提取与大参数数量的第二特征提取网络所提取的特征相似的特征，提升所提取的特征的精度。
同时，第二特征提取网络所提取的第二特征中的每一个第二子特征相对多个第二子集的多个第二全局特征的第二相对关系，该第二相对关系与点集中的相应点的第一相对关系之间的相似度大于预设阈值，针对点集中的每一个点，第二特征所表征的该点与全局特征之间的分布和第一特征所表征的该点与全局特征之间的分布差异小，即第二特征和第一特征在全局分布上具有一致性，进一步提升第一特征提取网络与第二特征提取网络所提取的特征之间的相似性，从而提升第一特征提取网络所提取的特征的精度。
在一些实施例中，所述第一特征提取网络包括稀疏卷积编码器网络和多层感知机网络。
在一些实施例中，基于第一特征，获得目标三维场景的分割结果包括：
基于第一特征，获得所述多个第一子集；以及
将所述多个第一子集中的每一个第一子集，确定为多个实例中的一个实例。
在一些实施例中，进一步对第一特征进行特征提取，以确定所述多个第一子集。例如，第一特征中的每一个点对应的第一子特征包括该点与多个类别中的每一个类别对应的概率时，提取第一特征中每一个第一子特征所包括的多个概率中的最大概率并且获得该最大概率的对应类别，将该对应类别确定为该第一子特征的相应点的对应类别；以及将对应类别相同的多个点添加到同一第一子集。
根据本公开的另一方面，还提供一种三维场景分割模型训练方法。如图5所示，方法500包括：
步骤S510：获得训练三维场景中的点集对应的训练点云数据，所述训练三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括多个子集，每一个子集包括来自所述多个实例中的同一实例的多个点；
步骤S520：利用所述三维场景分割模型基于所述训练点云数据获得第一特征，并且利用经训练的第一模型基于所述训练点云数据获得第二特征其中，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述第二特征包括与所述点集中的每一个点相应的第二子特征，所述第二子特征指示相应点在所述多个类别中的相应类别；
步骤S530：基于所述第一特征，获得所述点集中的每一个点的第一子特征与所述多个子集对应的多个第一全局特征之间的第一相对关系；
步骤S540：基于所述第二特征，获得所述点集中的每一个点的第二子特征与所述多个子集对应的多个第二全局特征之间的第二相对关系；
步骤S550：基于所述点集中的每一个点对应的第一相对关系和第二相对关系，获得第一损失；以及
步骤S560：至少基于所述第一损失，调整所述三维场景分割模型的参数。
在训练点云分割模型的过程中，首先获得经训练的第一模型，并采用该第一模型指导点云分割模型的训练，其中，在训练过程中，获得第一模型基于训练点云数据获得的第二特征中的每一个第二特征相对多个第二子集的多个第二全局特征的第二相对关系，和三维场景分割模型基于训练点云数据获得的第一特征中的每一个第一特征相对多个第一子集的多个第一全局特征的第一相对关系，并且基于每个点的第一相对关系和第二相对关系获得第一损失，并基于第一损失调整第一特征提取网络的参数，使得针对点集中的每一个点，第二特征所表征的该点与全局特征之间的分布和第一特征所表征的该点与全局特征之间的分布差异小，第一模型和三维场景分割模型基于训练点云数据所获得的特征之间的全局分布具有一致性，提升第一模型和三维场景分割模型所获得的特征之间的相似性，从而提升三维场景分割模型基于训练点云数据所获得的特征的精度。
在相关技术中，基于经训练的模型的训练三维场景分割模型的过程中，将经训练的模型作为教师模型，三维场景分割模型作为学生模型，在训练过程中，针对教师网络和学生网络所获得的各个点的特征，分别计算特征之间的损失，使得模型训练过程中仅仅关注教师模型和学生模型所提取的特征在点和点之间的一一对应的差异，即，只关注了所提取的特征在点的维度上的差异。即使采用更多参数数量的经训练的模型作为教师模型，也无法通过训练进一步提升三维场景分割模型的精度。
在根据本公开的实施例中，通过在模型训练过程中，关注第一模型与三维场景分割模型之间，关于所提取的特征中各个点与全局特征之间的相对分布的差异，使得模型训练过程中不仅仅针对各个点，关注第一模型与三维场景分割模型所提取的特征在点和点之间的一一对应的差异，还关注全局特征分布的差异，从而使经训练的三维场景分割模型所提取的特征与第一模型所提取的特征在多个维度(点的维度、全部分布的维度)上相似，从而可以提升三维场景分割模型的精度。
在一些实施例中，训练三维场景是任意三维场景，其中该三维场景中的各个点被标注有相应的标注标签。
在一些实施例中，在一些实施例中，采用经训练的神经网络对训练点云数据进行体素化。
在一些实施例中，所述三维场景分割模型包括第一特征提取网络，所述第一模型包括第二特征提取网络，并且其中，所述第二特征提取网络的参数数量大于所述第一特征提取网络的参数数量。
第一模型所包括的第二特征提取网络的参数数量大于三维场景分割模型中第一特征提取网络的参数数量，使得第一模型所获得的特征的精确度高于三维场景分割模型的精确度，通过采用第一模型知道三维场景分割模型的训练过程，使得三维场景分割模型中的第一特征提取网络所提取的第一特征与第一模型所中的第二特征提取网络所提取的第二特征尽可能相似，从而使得小参数数量的第一特征提取网络，也能够提取与大参数数量的第二特征提取网络所提取的特征相似的特征，提升所提取的特征的精度。
在一些实施例中，所述第一特征提取网络和第二特征提取网络分别包括稀疏卷积编码器网络和多层感知机网络。
稀疏卷积编码器用于对体素化数据进行特征提取，获得稀疏卷积编码器输出的特征，并且采用多层感知器(MLP)网络对稀疏卷积编码器输出的特征进行语义预测，以获得体素数据特征。
在一些实施例中，通过将体素数据特征映射到训练三维场景中的各个点上，获得第一特征。
在一些实施例中，第一特征中的每一个点对应的第一子特征包括该点与多个类别中的每一个类别对应的概率，或者该点与多个类别中的每一个类别对应的概率和通道数。
同样，第二特征中的每一个点对应的第二子特征包括该点与多个类别中的每一个类别对应的概率，或者该点与多个类别中的每一个类别对应的概率和通道数。
在一些实施例中，所述利用所述三维场景分割模型基于所述训练点云数据获得第一特征包括：
对所述训练点云数据进行体素化，以获得所述训练点云数据对应的训练体素化数据，所述训练体素化数据包括多个体素，所述多个体素中的每一个体素对应所述点集中的至少一个点；以及
将所述训练体素化数据分别输入至所述三维场景分割模型，以获得所述第一特征。
通过对点云数据进行体素化后，基于体素化数据获得第一特征，使计算量进一步减少。
在一些实施例中，如图6所示，获得所述点集中的每一个点的第一子特征与所述多个子集对应的多个第一全局特征之间的第一相对关系包括：
步骤S610：针对所述多个子集中的每一个子集，获得该子集的多个点对应的多个第一子特征；
步骤S620：针对所述多个子集中的每一个子集，对所述多个第一子特征进行全局池化，以获得该子集对应的第一全局特征，所述第一全局特征为所述多个第一子特征的全局池化特征；以及
步骤S630：基于所述多个子集对应的多个第一全局特征和所述点集中的每一个点的第一子特征，获得所述点集中的每一个点对应的第一相对关系。
通过针对每个子集中所包括的多个点对应的多个第一子特征，进行全局池化，获得第一全局特征，实现第一全局特征的获得。
同样，在获得第二全局特征的过程中，可以采用如步骤S610-S630所述的过程，针对每个子集中所包括的多个点对应的多个第二子特征，进行全局池化，获得第二全局特征，实现第一全局特征的获得。
在一些实施例中，如图7所示，所述基于所述多个子集对应的多个第一全局特征和所述点集中的每一个点的第一子特征，获得所述点集中的每一个点对应的第一相对关系包括：
步骤S710：计算所述点集中的每一个点的第一子特征与所述多个第一全局特征中的每一个第一全局特征之间的相似度；以及
步骤S720：基于所述点集中的每一个点的第一子特征对应的多个相似度，获得所述点集中的每一个点对应的第一相对关系。
通过计算每一个点的第一子特征与每一个第一全局特征之间的相似度，实现第一相对关系的获得。
同样，在获得第二相对关系的过程中，可以采用如步骤S710-S720所述的过程，通过计算每一个点的第二子特征与每一个第二全局特征之间的相似度，实现第一相对关系的获得。
在一些实施例中，将所获得的点集中的多个点对应的多个第一相对关系表示为维度为N*n的第一矩阵，其中，N为点集中点的数量，n为多个类别的数量，其中，矩阵中的每一个元素表示相应点与相应类别的多个点对应的第一全局特征之间的相似度。
同样，在一些实施例中，将所获得的点集中的多个点对应的多个第二相对关系表示为维度为N*n的第二矩阵，其中，N为点集中点的数量，n为多个类别的数量，其中，矩阵中的每一个元素表示相应点与相应类别的多个点对应的第二全局特征之间的相似度。
在一些实施例中，通过计算第一矩阵和第二矩阵之间的KL散度，计算第一损失。
在一些实施例中，根据本公开的三维场景分割模型训练方法还包括：
获得三维点云分割模型的预测结果，该预测结果指示点集中的每一个点在多个类别中的相应类别；
基于所述预测结果和所述点集中的每一个点的所属实例在多个类别中的相应类别，获得第二损失；以及
基于第二损失，调整三维场景分割模型的参数。
通过上述过程，实现针对每个点采用语义真值标签对三维场景分割模型的训练过程中进行监督，进一步提升三维场景分割模型的精度。
根据本公开的另一方面，还提供一种三维场景分割装置，如图8所示，装置800包括：点云数据获取单元810，被配置用于获得目标三维场景中的点集对应的点云数据，所述目标三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括来自所述多个实例中的每一个实例的多个点；第一特征获取单元820，被配置用于基于所述点云数据，获得第一特征，其中，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述点集中的每一个点的第一子特征与所述点集中的多个第一子集中对应的多个第一全局特征之间具有第一相对关系，所述多个第一子集中的每一个第一子集的多个点的相应的第一子特征指示所述多个类别中的同一类别；以及分割结果获取单元830，被配置用于基于所述第一特征，获得所述目标三维场景的分割结果，所述分割结果指示与所述点集中的每一个点在所述多个实例中的所属实例。
在一些实施例中，所述第一特征获取单元810包括：体素化单元，被配置用于对所述点云数据进行体素化，以获得体素化数据，所述体素化数据包括多个体素，所述多个体素中的每一个体素对应所述点集中的至少一个点；以及第一获取子单元，被配置用于基于所述体素化数据，获得所述第一特征。
在一些实施例中，所述第一获取子单元包括：第一特征提取子单元，被配置用于对所述体素化数据执行特征提取，以获得体素数据特征，所述体素数据特征包括与所述多个体素中的每一个体素相应的体素特征，所述体素特征指示相应体素在所述多个类别中的对应类别；以及第二特征提取子单元，被配置用于将所述多个体素中的每一体素对应的体素特征确定为该体素所对应的至少一个点中的每一个点的第一子特征。
在一些实施例中，所述多个第一全局特征中的每一个第一全局特征包括下列各项中的至少一项：基于该第一全局特征所对应的第一子集中的每一个点的第一特征获得的全局平均池化特征；和基于该第一全局特征所对应的第一子集中的每一个点的第一特征获得的全局最大池化特征。
在一些实施例中，所述第一相对关系包括相应点的第一子特征与所述多个第一全局特征中的每一个第一全局特征之间的相似度。
在一些实施例中，所述第一获取子单元包括：输入单元，被配置用于将所述体素化数据输入至第一特征提取网络，以获得所述第一特征；其中，所述第一卷积编码器是基于包括第二特征提取网络的深度模型的指导进行训练而获得的，所述第二特征提取网络的参数数量大于所述第一特征提取网络的参数数量并且能够基于所述体素化数据获得第二特征，所述第二特征包括与所述点集中的每一个点相应的第二子特征，所述第二子特征指示相应点在所述多个类别中的相应类别，所述点集中的每一个点的第二子特征与所述点集中的多个第二子集对应的多个第二全局特征之间具有第二相对关系，所述多个第二子集中的每一个第二子集的多个点的相应的第二子特征指示所述多个类别中的同一类别；其中，所述点集中的每一个点的所述第一相对关系和所述第二相对关系之间的相似度大于预设阈值。
在一些实施例中，所述第一特征提取网络包括稀疏卷积编码器网络和多层感知机网络。
根据本公开的另一方面，还提供一种三维场景分割模型训练装置。如图9所示，装置900包括：训练数据获取单元910，被配置用于获得训练三维场景中的点集对应的训练点云数据，所述训练三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括多个子集，每一个子集包括来自所述多个实例中的同一实例的多个点；特征获取单元920，被配置用于利用所述三维场景分割模型基于所述训练点云数据获得第一特征，并且利用经训练的第一模型基于所述训练点云数据获得第二特征，其中，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述第二特征包括与所述点集中的每一个点相应的第二子特征，所述第二子特征指示相应点在所述多个类别中的相应类别；第一相对关系获取单元930，被配置用于基于所述第一特征，获得所述点集中的每一个点的第一子特征与所述多个子集对应的多个第一全局特征之间的第一相对关系；第二相对关系获取单元940，被配置用于基于所述第二特征，获得所述点集中的每一个点的第二子特征与所述多个子集对应的多个第二全局特征之间的第二相对关系；第一损失计算单元950，被配置用于基于所述点集中的每一个点对应的第一相对关系和第二相对关系，获得第一损失；以及参数调整单元960，被配置用于至少基于所述第一损失，调整所述三维场景分割模型的参数。
在一些实施例中，所述特征获取单元920包括：体素化单元，被配置用于对所述训练点云数据进行体素化，以获得所述训练点云数据对应的训练体素化数据，所述训练体素化数据包括多个体素，所述多个体素中的每一个体素对应所述点集中的至少一个点；以及输入单元，被配置用于将所述训练体素化数据分别输入至所述三维场景分割模型，以获得所述第一特征。
在一些实施例中，所述三维场景分割模型包括第一特征提取网络，所述第一模型包括第二特征提取网络，并且其中，所述第二特征提取网络的参数数量大于所述第一特征提取网络的参数数量。
在一些实施例中，所述第一相对关系获取单元930包括：第一获取子单元，被配置用于针对所述多个子集中的每一个子集，获得该子集的多个点对应的多个第一子特征；以及池化单元，被配置用于针对所述多个子集中的每一个子集，对所述多个第一子特征进行全局池化，以获得该子集对应的第一全局特征，所述第一全局特征为所述多个第一子特征的全局池化特征；第二获取子单元，被配置用于基于所述多个子集对应的多个第一全局特征和所述点集中的每一个点的第一子特征，获得所述点集中的每一个点对应的第一相对关系。
在一些实施例中，所述第二获取子单元940包括：第一计算单元，被配置用于计算所述点集中的每一个点的第一子特征与所述多个第一全局特征中的每一个第一全局特征之间的相似度；第三获取子单元，被配置用于基于所述点集中的每一个点的第一子特征对应的多个相似度，获得所述点集中的每一个点对应的第一相对关系。
在一些实施例中，所述第一特征提取网络包括稀疏卷积编码器网络和多层感知机网络。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图10，现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示，电子设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储电子设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
电子设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向电子设备1000输入信息的任何类型的设备，输入单元1006可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1007可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许电子设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到电子设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、***和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (29)

1.一种三维场景分割方法，包括：
获得目标三维场景中的点集对应的点云数据，所述目标三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括来自所述多个实例中的每一个实例的多个点；
基于所述点云数据，获得第一特征，其中，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述点集中的每一个点的第一子特征与所述点集中的多个第一子集中对应的多个第一全局特征之间具有第一相对关系，所述多个第一子集中的每一个第一子集的多个点的相应的第一子特征指示所述多个类别中的同一类别；以及
基于所述第一特征，获得所述目标三维场景的分割结果，所述分割结果指示与所述点集中的每一个点在所述多个实例中的所属实例。
2.根据权利要求1所述的方法，其中，所述基于所述点云数据，获得第一特征包括：
对所述点云数据进行体素化，以获得体素化数据，所述体素化数据包括多个体素，所述多个体素中的每一个体素对应所述点集中的至少一个点；以及
基于所述体素化数据，获得所述第一特征。
3.根据权利要求2所述的方法，其中，所述基于所述体素化数据，获得所述第一特征包括：
对所述体素化数据执行特征提取，以获得体素数据特征，所述体素数据特征包括与所述多个体素中的每一个体素相应的体素特征，所述体素特征指示相应体素在所述多个类别中的对应类别；以及
将所述多个体素中的每一体素对应的体素特征确定为该体素所对应的至少一个点中的每一个点的第一子特征。
4.根据权利要求1所述的方法，其中，所述多个第一全局特征中的每一个第一全局特征包括下列各项中的至少一项：
基于该第一全局特征所对应的第一子集中的每一个点的第一特征获得的全局平均池化特征；和
基于该第一全局特征所对应的第一子集中的每一个点的第一特征获得的全局最大池化特征。
5.根据权利要求1所述的方法，其中，所述第一相对关系包括相应点的第一子特征与所述多个第一全局特征中的每一个第一全局特征之间的相似度。
6.根据权利要求2所述的方法，其中，所述基于所述体素化数据，获得所述第一特征包括：
将所述体素化数据输入至第一特征提取网络，以获得所述第一特征；其中，
所述第一卷积编码器是基于包括第二特征提取网络的深度模型的指导进行训练而获得的，所述第二特征提取网络的参数数量大于所述第一特征提取网络的参数数量并且能够基于所述体素化数据获得第二特征，所述第二特征包括与所述点集中的每一个点相应的第二子特征，所述第二子特征指示相应点在所述多个类别中的相应类别，所述点集中的每一个点的第二子特征与所述点集中的多个第二子集对应的多个第二全局特征之间具有第二相对关系，所述多个第二子集中的每一个第二子集的多个点的相应的第二子特征指示所述多个类别中的同一类别；其中，所述点集中的每一个点的所述第一相对关系和所述第二相对关系之间的相似度大于预设阈值。
7.根据权利要求6所述的方法，其中，所述第一特征提取网络包括稀疏卷积编码器网络和多层感知机网络。
8.一种三维场景分割模型训练方法，所述方法包括：
获得训练三维场景中的点集对应的训练点云数据，所述训练三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括多个子集，每一个子集包括来自所述多个实例中的同一实例的多个点；
利用所述三维场景分割模型基于所述训练点云数据获得第一特征，并且利用经训练的第一模型基于所述训练点云数据获得第二特征，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述第二特征包括与所述点集中的每一个点相应的第二子特征，所述第二子特征指示相应点在所述多个类别中的相应类别；
基于所述第一特征，获得所述点集中的每一个点的第一子特征与所述多个子集对应的多个第一全局特征之间的第一相对关系；
基于所述第二特征，获得所述点集中的每一个点的第二子特征与所述多个子集对应的多个第二全局特征之间的第二相对关系；
基于所述点集中的每一个点对应的第一相对关系和第二相对关系，获得第一损失；以及
至少基于所述第一损失，调整所述三维场景分割模型的参数。
9.根据权利要求8所述的方法，其中，所述利用所述三维场景分割模型基于所述训练点云数据获得第一特征包括：
对所述训练点云数据进行体素化，以获得所述训练点云数据对应的训练体素化数据，所述训练体素化数据包括多个体素，所述多个体素中的每一个体素对应所述点集中的至少一个点；以及
将所述训练体素化数据分别输入至所述三维场景分割模型，以获得所述第一特征。
10.根据权利要求8所述的方法，其中，所述三维场景分割模型包括第一特征提取网络，所述第一模型包括第二特征提取网络，并且其中，所述第二特征提取网络的参数数量大于所述第一特征提取网络的参数数量。
11.根据权利要求8所述的方法，其中，所述获得所述点集中的每一个点的第一子特征与所述多个子集对应的多个第一全局特征之间的第一相对关系包括：
针对所述多个子集中的每一个子集，
获得该子集的多个点对应的多个第一子特征；
对所述多个第一子特征进行全局池化，以获得该子集对应的第一全局特征，所述第一全局特征为所述多个第一子特征的全局池化特征；以及
基于所述多个子集对应的多个第一全局特征和所述点集中的每一个点的第一子特征，获得所述点集中的每一个点对应的第一相对关系。
12.根据权利要求11所述的方法，其中，所述基于所述多个子集对应的多个第一全局特征和所述点集中的每一个点的第一子特征，获得所述点集中的每一个点对应的第一相对关系包括：
计算所述点集中的每一个点的第一子特征与所述多个第一全局特征中的每一个第一全局特征之间的相似度；以及
基于所述点集中的每一个点的第一子特征对应的多个相似度，获得所述点集中的每一个点对应的第一相对关系。
13.根据权利要求8-12任一项所述的方法，其中，所述第一特征提取网络包括稀疏卷积编码器网络和多层感知机网络。
14.一种三维场景分割装置，包括：
点云数据获取单元，被配置用于获得目标三维场景中的点集对应的点云数据，所述目标三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括来自所述多个实例中的每一个实例的多个点；
第一特征获取单元，被配置用于基于所述点云数据，获得第一特征，其中，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述点集中的每一个点的第一子特征与所述点集中的多个第一子集中对应的多个第一全局特征之间具有第一相对关系，所述多个第一子集中的每一个第一子集的多个点的相应的第一子特征指示所述多个类别中的同一类别；以及
分割结果获取单元，被配置用于基于所述第一特征，获得所述目标三维场景的分割结果，所述分割结果指示与所述点集中的每一个点在所述多个实例中的所属实例。
15.根据权利要求14所述的装置，其中，所述第一特征获取单元包括：
体素化单元，被配置用于对所述点云数据进行体素化，以获得体素化数据，所述体素化数据包括多个体素，所述多个体素中的每一个体素对应所述点集中的至少一个点；以及
第一获取子单元，被配置用于基于所述体素化数据，获得所述第一特征。
16.根据权利要求15所述的装置，其中，所述第一获取子单元包括：
第一特征提取子单元，被配置用于对所述体素化数据执行特征提取，以获得体素数据特征，所述体素数据特征包括与所述多个体素中的每一个体素相应的体素特征，所述体素特征指示相应体素在所述多个类别中的对应类别；以及
第二特征提取子单元，被配置用于将所述多个体素中的每一体素对应的体素特征确定为该体素所对应的至少一个点中的每一个点的第一子特征。
17.根据权利要求14所述的装置，其中，所述多个第一全局特征中的每一个第一全局特征包括下列各项中的至少一项：
基于该第一全局特征所对应的第一子集中的每一个点的第一特征获得的全局平均池化特征；和
基于该第一全局特征所对应的第一子集中的每一个点的第一特征获得的全局最大池化特征。
18.根据权利要求14所述的装置，其中，所述第一相对关系包括相应点的第一子特征与所述多个第一全局特征中的每一个第一全局特征之间的相似度。
19.根据权利要求16所述的装置，其中，所述第一获取子单元包括：
输入单元，被配置用于将所述体素化数据输入至第一特征提取网络，以获得所述第一特征；其中，
所述第一卷积编码器是基于包括第二特征提取网络的深度模型的指导进行训练而获得的，所述第二特征提取网络的参数数量大于所述第一特征提取网络的参数数量并且能够基于所述体素化数据获得第二特征，所述第二特征包括与所述点集中的每一个点相应的第二子特征，所述第二子特征指示相应点在所述多个类别中的相应类别，所述点集中的每一个点的第二子特征与所述点集中的多个第二子集对应的多个第二全局特征之间具有第二相对关系，所述多个第二子集中的每一个第二子集的多个点的相应的第二子特征指示所述多个类别中的同一类别；其中，
所述点集中的每一个点的所述第一相对关系和所述第二相对关系之间的相似度大于预设阈值。
20.根据权利要求19所述的装置，其中，所述第一特征提取网络包括稀疏卷积编码器网络和多层感知机网络。
21.一种三维场景分割模型训练装置，包括：
训练数据获取单元，被配置用于获得训练三维场景中的点集对应的训练点云数据，所述训练三维场景包括多个实例，所述多个实例中的每一个实例在多个类别中具有相应类别，所述点集包括多个子集，每一个子集包括来自所述多个实例中的同一实例的多个点；
特征获取单元，被配置用于利用所述三维场景分割模型基于所述训练点云数据获得第一特征，并且利用经训练的第一模型基于所述训练点云数据获得第二特征其中，所述第一特征包括与所述点集中的每一个点相应的第一子特征，所述第一子特征指示相应点在所述多个类别中的相应类别，所述第二特征包括与所述点集中的每一个点相应的第二子特征，所述第二子特征指示相应点在所述多个类别中的相应类别；
第一相对关系获取单元，被配置用于基于所述第一特征，获得所述点集中的每一个点的第一子特征与所述多个子集对应的多个第一全局特征之间的第一相对关系；
第二相对关系获取单元，被配置用于基于所述第二特征，获得所述点集中的每一个点的第二子特征与所述多个子集对应的多个第二全局特征之间的第二相对关系；
第一损失计算单元，被配置用于基于所述点集中的每一个点对应的第一相对关系和第二相对关系，获得第一损失；以及
参数调整单元，被配置用于至少基于所述第一损失，调整所述三维场景分割模型的参数。
22.根据权利要求21所述的装置，其中，所述特征获取单元包括：
体素化单元，被配置用于对所述训练点云数据进行体素化，以获得所述训练点云数据对应的训练体素化数据，所述训练体素化数据包括多个体素，所述多个体素中的每一个体素对应所述点集中的至少一个点；以及
输入单元，被配置用于将所述训练体素化数据分别输入至所述三维场景分割模型，以获得所述第一特征。
23.根据权利要求21所述的装置，其中，所述三维场景分割模型包括第一特征提取网络，所述第一模型包括第二特征提取网络，并且其中，所述第二特征提取网络的参数数量大于所述第一特征提取网络的参数数量。
24.根据权利要求21所述的装置，其中，所述第一相对关系获取单元包括：
第一获取子单元，被配置用于针对所述多个子集中的每一个子集，获得该子集的多个点对应的多个第一子特征；以及
池化单元，被配置用于针对所述多个子集中的每一个子集，对所述多个第一子特征进行全局池化，以获得该子集对应的第一全局特征，所述第一全局特征为所述多个第一子特征的全局池化特征；
第二获取子单元，被配置用于基于所述多个子集对应的多个第一全局特征和所述点集中的每一个点的第一子特征，获得所述点集中的每一个点对应的第一相对关系。
25.根据权利要求24所述的装置，其中，所述第二获取子单元包括：
第一计算单元，被配置用于计算所述点集中的每一个点的第一子特征与所述多个第一全局特征中的每一个第一全局特征之间的相似度；
第三获取子单元，被配置用于基于所述点集中的每一个点的第一子特征对应的多个相似度，获得所述点集中的每一个点对应的第一相对关系。
26.根据权利要求21-25任一项所述的装置，其中，所述第一特征提取网络包括稀疏卷积编码器网络和多层感知机网络。
27.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-13中任一项所述的方法。
28.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-13中任一项所述的方法。
29.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-13中任一项所述的方法。
CN202210806894.8A 2022-07-08 2022-07-08 三维场景分割方法、模型训练方法、装置和电子设备 Active CN115019048B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210806894.8A CN115019048B (zh) 2022-07-08 2022-07-08 三维场景分割方法、模型训练方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210806894.8A CN115019048B (zh) 2022-07-08 2022-07-08 三维场景分割方法、模型训练方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN115019048A true CN115019048A (zh) 2022-09-06
CN115019048B CN115019048B (zh) 2023-04-07

Family

ID=83080311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210806894.8A Active CN115019048B (zh) 2022-07-08 2022-07-08 三维场景分割方法、模型训练方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN115019048B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110660062A (zh) * 2019-08-31 2020-01-07 南京理工大学 一种基于PointNet的点云实例分割方法及***
CN111583263A (zh) * 2020-04-30 2020-08-25 北京工业大学 一种基于联合动态图卷积的点云分割方法
CN111968121A (zh) * 2020-08-03 2020-11-20 电子科技大学 一种基于实例嵌入与语义融合的三维点云场景分割方法
US20210035314A1 (en) * 2018-10-12 2021-02-04 Tencent Technology (Shenzhen) Company Limited Map element extraction method and apparatus, and server
US20210133463A1 (en) * 2019-10-31 2021-05-06 Aptiv Technologies Limited Multi-Domain Neighborhood Embedding and Weighting of Point Cloud Data
CN112949647A (zh) * 2021-02-26 2021-06-11 中国科学院自动化研究所 三维场景描述方法、装置、电子设备和存储介质
CN114494610A (zh) * 2022-04-14 2022-05-13 清华大学 大场景光场实时重建智能理解***与装置
CN114693923A (zh) * 2022-03-09 2022-07-01 南京大学 一种基于上下文和注意力的三维点云语义分割方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210035314A1 (en) * 2018-10-12 2021-02-04 Tencent Technology (Shenzhen) Company Limited Map element extraction method and apparatus, and server
CN110660062A (zh) * 2019-08-31 2020-01-07 南京理工大学 一种基于PointNet的点云实例分割方法及***
US20210133463A1 (en) * 2019-10-31 2021-05-06 Aptiv Technologies Limited Multi-Domain Neighborhood Embedding and Weighting of Point Cloud Data
CN111583263A (zh) * 2020-04-30 2020-08-25 北京工业大学 一种基于联合动态图卷积的点云分割方法
CN111968121A (zh) * 2020-08-03 2020-11-20 电子科技大学 一种基于实例嵌入与语义融合的三维点云场景分割方法
CN112949647A (zh) * 2021-02-26 2021-06-11 中国科学院自动化研究所 三维场景描述方法、装置、电子设备和存储介质
CN114693923A (zh) * 2022-03-09 2022-07-01 南京大学 一种基于上下文和注意力的三维点云语义分割方法
CN114494610A (zh) * 2022-04-14 2022-05-13 清华大学 大场景光场实时重建智能理解***与装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CHENXI XIAO 等: "Triangle-Net：Towards Robustness in Point Cloud Learning", 《ARXIV》 *
MINGYE XU 等: "CP-Net：Contour-Perturbed Reconstruction Network for Self-Supervised Point Cloud Learning", 《ARXIV》 *
YONGMING RAO 等: "PointGLR:Unsupervised Structural Representation Learning of 3D Point Clouds", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 *
牛辰庚等: "基于点云数据的三维目标识别和模型分割方法", 《图学学报》 *
顾军华等: "基于点云数据的分割方法综述", 《燕山大学学报》 *

Also Published As

Publication number Publication date
CN115019048B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN113807440B (zh) 利用神经网络处理多模态数据的方法、设备和介质
CN112857268B (zh) 对象面积测量方法、装置、电子设备和存储介质
CN115438214B (zh) 处理文本图像的方法及装置、神经网络的训练方法
CN114723949A (zh) 三维场景分割方法和用于训练分割模型的方法
CN115511779A (zh) 图像检测方法、装置、电子设备和存储介质
CN115082740A (zh) 目标检测模型训练方法、目标检测方法、装置、电子设备
CN114821581A (zh) 图像识别方法和用于训练图像识别模型的方法
CN114550313A (zh) 图像处理方法、神经网络及其训练方法、设备和介质
CN113810765A (zh) 视频处理方法、装置、设备和介质
CN115797660A (zh) 图像检测方法、装置、电子设备和存储介质
CN115578501A (zh) 图像处理方法、装置、电子设备和存储介质
CN115019048B (zh) 三维场景分割方法、模型训练方法、装置和电子设备
CN115359309A (zh) 目标检测模型的训练方法及装置、设备和介质
CN114429678A (zh) 模型训练方法及装置、电子设备和介质
CN114998963A (zh) 图像检测方法和用于训练图像检测模型的方法
CN114842476A (zh) 水印检测方法及装置、模型训练方法及装置
CN114494797A (zh) 用于训练图像检测模型的方法和装置
CN114140547A (zh) 图像生成方法和装置
CN113139542A (zh) 目标检测方法、装置、设备和计算机可读存储介质
CN113596011A (zh) 流量识别方法及装置，计算设备和介质
CN115131562B (zh) 三维场景分割方法、模型训练方法、装置和电子设备
CN115423827B (zh) 图像处理方法、装置、电子设备和存储介质
CN115601561A (zh) 高精地图目标检测方法、装置、设备及介质
CN115170536A (zh) 图像检测方法、模型的训练方法和装置
CN114140851A (zh) 图像检测方法和用于训练图像检测模型的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant