基于自适应多类高斯混合模型的三维点云特征提取方法

本发明公开一种基于自适应多类高斯混合模型的三维点云特征提取方法，首先设计了一个双依赖层次GMM学习模型McGMM，其支持动态的分配高斯混合，并生成更加紧凑和精准的各向异性GMM表示；其次，提出了自适应多类GMM原型的点云特征提取策略，通过源数据训练McGMM模型，获取各类的质心GMM特征，并解码为类原型表示，存储在GMM库中，对于任意目标样本，可以通过执行概率密度估计快速的确定其伪标签；进而，将带有伪标签的多类数据反馈送到网络中，通过深度GMM特征与GMM库的类原型进行一致性关联，实现点云特征的提纯和细化，有效提高点云特征的表示性能；最后，建立了联合正则化机制来优化网络的学习过程。