基于空间短语袋模型的大场景三维点云目标检测

The huge amount of large-scale 3D point clouds and the structure complexity of semantic objects in the scenes bring great challenges to the storage and intelligent interpretation of the data. It is urgently demanded to exploit robust and highly efficient algorithms for 3D point cloud object detection in fields of pattern recognition, point cloud data processing, etc. To further improve the efficiency and accuracy of 3D point cloud object detection from large-scale point clouds, this project conducts research work based on bag-of-contextual-visual-phrases model. The main research contents include: (1) based on polar sphere structure and unsupervised deep learning methods, a high-level feature encoder is constructed to describe high-level abstract features of point cloud feature regions; (2) based on point cloud feature region quantization and spatial word pattern, a contextual visual dictionary is constructed to describe contextual abstract features of point cloud feature regions; and (3) based on the contextual visual dictionary, semantic objects are quantized to form bag-of-contextual-visual-phrases and a template-based similarity measurement is performed to detect point cloud objects of interest. The research results of this project will play an important role in 3D object recognition and tracking, intelligent transportation systems, etc.

大场景三维点云数据的海量特性以及场景中语义目标的结构复杂性对数据存储和智能化解译都带来了巨大挑战。研究鲁棒、高效的三维点云目标检测算法是模式识别、点云数据处理等领域亟需解决的关键问题。为了进一步提高大场景三维点云目标检测的效率和精度，本课题基于空间短语袋模型开展研究。研究内容包括：（1）基于极化球结构对点云特征区域进行旋转以及尺度不变性划分，并通过无监督深度学习方法构造的高阶特征编码器，实现点云特征区域高阶抽象特征的描述。（2）基于点云特征区域量化，构造特征区域字母表，并结合空间词模式，构造空间短语字典，实现点云特征区域空间上下文抽象类特征的描述。（3）基于空间短语字典，对语义目标进行量化表示，构造空间短语袋模型，并采用基于模板的相似性计算方法，实现特定三维点云目标的检测。本课题的研究成果将在三维目标识别与跟踪、智能交通系统等应用中发挥巨大作用。

三维点云数据是一种重要的时空数据源，具有二维数据无可比拟的优越性，对三维空间信息的精细化描述具有无可替代的重要作用。然而，大场景三维点云数据的海量特性以及场景中语义目标的结构复杂性对数据存储和智能化解译都带来了巨大挑战。研究鲁棒、高效的三维点云目标检测算法是模式识别、点云数据处理等领域亟需解决的关键问题。为了进一步提高大场景三维点云目标检测的效率和精度，本课题基于空间短语袋模型开展了一系列研究工作。主要研究内容包括：（1）基于极化球结构对点云特征区域进行旋转以及尺度不变性划分，并通过无监督深度学习方法构造的高阶特征编码器，实现点云特征区域高阶抽象特征的描述。（2）基于点云特征区域量化，构造特征区域字母表，并结合空间词模式，构造空间短语字典，实现点云特征区域空间上下文抽象类特征的描述。（3）基于空间短语字典，对语义目标进行量化表示，构造空间短语袋模型，并采用基于模板的相似性计算方法，实现特定三维点云目标的检测。（4）基于大场景三维点云数据对本课题所提出的模型与算法进行实验验证以及参数优化。本课题的研究成果将在三维目标识别与跟踪、智能交通系统等应用中发挥巨大作用。