基于全局特征学习和局部特征判别聚合的点云分割方法

摘要

本发明介绍了基于全局特征学习和局部特征判别聚合的点云分割方法，其包括以下步骤：步骤S1、设计FPE模块，丰富每个点云的特征并扩展全局感受野；步骤S2、设计LFDA模块，学习更具有区别性的局部特征；步骤S3、基于胶囊网络设计GFC模块；步骤S4、设计GCM模块，用于构建全局相关性；步骤S5、通过级联多个全局和局部信息编码模块，在下采样的同时，不断扩展点的感受野；步骤S6、改进加权交叉熵损失函数，解决盾构隧道典型要素类别数据分布不均衡的问题；步骤S7、通过三个全连接层与一个Dropout层获得最后的语义预测。本申请直接对大规模3D盾构隧道点云数据进行语义分割，避免任何的预处理或后处理，进而实现快速分割盾构隧道典型要素。