一种基于深度学习的点云显著目标识别方法

本发明公开了一种基于深度学习的点云显著目标识别方法，涉及点云显著目标识别技术领域，其技术要点包括：(1)对训练数据进行预处理，包括点云坐标的归一化，加入噪声点；(2)对点云进行体素化并获得稀疏体素数据。(3)构建一个稀疏卷积U形神经网络模型；(4)利用基于距离信息加权的改进型Dice Loss和Cross‑Entropy Loss构建网络的损失函数；(5)通过训练数据集对构建的网络进行训练；(6)用训练好的网络预测测试数据集中的显著目标。本发明是一种优化点云显著目标边缘的方法，可以有效解决目前点云中显著目标识别任务中存在的边缘模糊问题，快速精准识别分割出点云中的显著目标，有效提升了点云显著目标的分割精度及效率。