(19)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 202210689407.4 (22)申请日 2022.06.17 (71)申请人 杭州飞步科技有限公司 地址 310012 浙江省杭州市西湖区紫霞街 80号西溪谷国际商务中心 A座7-8层 (72)发明人 伍阔梁　杨政　何晓飞　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 孙静　臧建明 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G01S 17/89(2020.01) (54)发明名称 点云分类模 型的训练方法、 点云分类方法及 装置 (57)摘要 本申请提供一种点云分类模 型的训练方法、 点云分类方法及装置， 涉及智 能驾驶技术领域， 包括： 获取多个训练样本， 对每个训练样本的点 云进行特征提取， 获得每个点云的特征向量； 根 据每个点云的特征向量， 获取每个点云的相似度 信息， 根据每个点云的特征向量和相似度信息以 及点云的类别， 对点云分类模型进行训练， 得到 训练完成的点云分类模型。 通过训练好的点云分 类模型对点云进行分类， 可以提升分类的准确 性， 同时， 由于在训练过程中结合的点云的相似 度信息， 该训练好的点云分类模 型具有更好的泛 化能力。 权利要求书2页 说明书11页 附图5页 CN 115100627 A 2022.09.23 CN 115100627 A 1.一种点云 分类模型的训练方法， 其特 征在于， 包括： 获取多个训练样本， 所述训练样本包括 点云和所述 点云的类别； 对每个所述训练样本的点云进行 特征提取， 获得每 个所述点云的特 征向量； 根据每个所述点云的特征向量， 获取每个点云的相似度信息， 所述相似度信息包括所 述点云与其它每 个点云的相似度； 根据每个所述点云的特征向量和所述相似度信 息以及所述点云的类别， 对点云分类模 型进行训练， 得到训练完成的点云 分类模型。 2.根据权利要求1所述的方法， 其特征在于， 所述对每个所述训练样本的点云进行特征 提取， 包括： 将每个所述训练样本的点云以三维检测框的中心为原点， 以所述三维检测框的朝向为 预设坐标轴的正方向进 行坐标转换， 获得转换后的点云， 其中， 所述朝向为所述三 维检测框 在三维空间中的朝向； 对所述转换后的点云进行 特征提取， 获得 所述点云的特 征向量。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述转换后的点云进行特征提取， 获得所述点云的特 征向量， 包括： 将所述三维检测框划分为 N*N个栅格； 对每个所述栅格 中的点云进行8维特征向量提取， 其中， 所述8维特征向量包括6维高度 特征向量、 1 维密度特 征向量以及1 维反射强度特 征向量； 将N*N*8维特 征向量作为所述 点云的特 征向量。 4.根据权利要求3所述的方法， 其特征在于， 所述根据每个所述点云的特征向量， 获取 每个点云的相似度信息， 所述相似度信息包括所述 点云与其它每 个点云的相似度， 包括： 根据每个所述点云的特征向量， 获取所述点云与其它每个点云的特征向量的余弦相似 度； 根据每个点云对应的多个余弦相似度以及每个点云的类别， 获取所述点云的相似度信 息， 其中， 针对大于预设余弦相似度的两个点云， 若所述点云的类别相同， 则两个点云的相 似度高， 若所述 点云的类别不同， 则两个点云的相似度低。 5.根据权利要求1所述的方法， 其特征在于， 所述根据每个所述点云的特征向量和所述 相似度信息以及所述点云的类别， 对点云分类模型进行训练， 得到训练完成的点云分类模 型， 包括： 将每个所述点云的特征向量和所述相似度信 息输入至所述点云分类模型， 获取所述点 云分类模型输出的分类结果； 获取每个所述分类结果的损 失函数， 对每个所述分类结果的损 失函数进行叠加 处理， 获得所述点云分类模型的损失函数； 根据所述点云分类模型的损失函数， 采用反 向传播的方式对所述点云分类模型进行参 数优化。 6.根据权利要求5所述的方法， 其特征在于， 所述获得每个所述分类结果的损 失函数， 包括： 获取每个所述分类结果的Softmax损失函数以及流形损失函数， 其中， 所述流形损失函 数是根据所述相似度确定的；权　利　要　求　书 1/2 页 2 CN 115100627 A 2对所述Softmax损失函数以及所述流形损失函数进行叠加处理， 获得每个所述分类结 果的损失函数。 7.一种点云 分类方法， 其特 征在于， 包括： 获取待分类的点云的特 征向量； 将所述特征向量输入至点云分类模型， 获得所述待分类的点云的分类结果， 其中， 所述 点云分类模型 是通过如上1至 6任一项所述的方法训练得到的模型。 8.一种点云 分类模型的训练装置， 其特 征在于， 包括： 第一获取模块， 用于获取多个训练样本， 所述训练样本包括 点云和所述 点云的类别； 特征提取模块， 用于对每个所述训练样本的点云进行特征提取， 获得每个所述点云的 特征向量； 第二获取模块， 用于根据每个所述点云的特征向量， 获取每个点云的相似度信 息， 所述 相似度信息包括所述 点云与其它每 个点云的相似度； 训练模块， 用于根据每个所述点云的特征向量和所述相似度信息以及所述点云的类 别， 对点云 分类模型进行训练， 得到训练完成的点云 分类模型。 9.一种点云 分类装置， 其特 征在于， 包括： 获取模块， 用于获取待分类的点云的特 征向量； 分类模块， 用于将所述特征向量输入至点云分类模型， 获得所述待分类的点云的分类 结果， 其中， 所述 点云分类模型 是通过如上1至 6任一项所述的方法训练得到的模型。 10.一种电子设备， 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以实现权利要求1 ‑6中任一项所述的方法,或者， 以 实现权利要求7 所述的方法。 11.一种计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 所述计算机程序 被处理器执行以实现权利要求1 ‑6中任一项所述的方法,或者， 以实现权利要求7所述的方 法。 12.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序在被处理器 执行时以实现权利要求1 ‑6中任一项所述的方法,或者， 以实现权利要求7 所述的方法。权　利　要　求　书 2/2 页 3 CN 115100627 A 3