一种基于深度学习的复杂场景管道点云快速分割方法

本发明涉及一种基于深度学习的复杂场景管道点云快速分割方法，包括计算待分割点云中每个点的法向量和高斯曲率；将各法向量坐标分量和高斯曲率投影至二维投影平面，获得其二维属性图像；将每个点的二维属性图像输入至卷积神经网络模型获得其属于管道点云的概率，设定概率阈值分割出管道点云；对管道点云进行基于法向量约束的欧氏聚类，得到每个管道的点云聚类簇。本发明将待分割点云中的点的法向量投影至图像平面，同时考虑曲率特征，利用深度学习领域中的卷积神经网络结合注意力机制快速提取深层次特征，进而实现管道点分类，最终通过快速有效的几何约束实现对同一管道点云的聚类分割。