基于深度学习的点云分割方法

本发明公开基于深度学习的点云分割方法，涉及三维视觉、机器学习等领域。针对散料装备智能化过程中料场的点云不能精确分割，散料装备无法精确感知料堆信息等问题，首先，进行数据采集及预处理；其次，聚合点特征形成超点；然后，设计查询策略和Transformer解码器层，预测实例掩码和语义类别；最后，设计多任务损失函数和匹配策略。与现有技术相比，本发明通过一个实例分割数据集的训练，完成三种分割任务，并且，能够精确识别料场中不同料堆的位置和边界，并对其物料类别进行分类，能够显著提升料场的库房管理效率和智能化水平，为散料装备的高效运行提供技术支持，可广泛运用于散料装备管理、矿物采集以及码头搬运等领域。