一种基于语义学习的整机点云数据的下采样方法

摘要

本发明公开了一种基于语义学习的整机点云数据的下采样方法，包括：步骤S1、根据点云语义学习原理构建基于特征学习的多输入编码器；所述多输入编码器分别将整机点云数据和特征点数据作为输入，进行数据特征融合，然后通过解码器进行解码；骤S2、构建并训练基于语义学习的点云特征权重计算网络，计算得到待测量每个点的特征权重；步骤S3、对步骤S2得到的权重结果进行空间加权采样，基于高斯分布的空间采样原理进行下采样。本发明通过加入关键特征点的信息来约束采样过程，既解决了整机点云数据过大无效信息较多需要采样处理的问题，又保证了关键特征点区域的点云信息不会因采样而缺失，保证了输出采样结果的有效可靠。