3D点云模型类增量学习方法、装置、设备及存储介质

本申请提供一种3D点云模型类增量学习方法、装置、设备及存储介质。涉及点云数据处理技术领域。该方法包括：获取3D点云数据，计算子点云的曲率，根据曲率判断边缘区域并对3D点云数据进行掩码处理，得到掩码数据集；对掩码数据集进行特征选择，以筛选关键特征保存至特征空间；构建生成回放模型，利用特征空间中的关键特征对生成回放模型进行训练；构建动态更新分类头的增量分类器，基于关键特征以及生成回放模型生成的伪样本对所述增量分类器进行训练，通过训练后的增量分类器实现对新增类别的分类预测。本申请采用编码器‑解码器的组合训练一个轻量化生成式的模型，并通过3D点云的伪样本生成回溯指导训练模型解决灾难性遗忘问题。