THREE-DIMENSIONAL POINT GROUP IDENTIFICATION DEVICE, LEARNING DEVICE, THREE-DIMENSIONAL POINT GROUP IDENTIFICATION METHOD, LEARNING METHOD AND PROGRAM

• Main Authors: KURATA, Kana, YAO, Yasuhiro, ANDO, Shingo, SHIMAMURA, Jun
• Format: Patent
• Language: English; French; Japanese
• Published: 22.07.2021
• Subjects: CALCULATING; COMPUTING; COUNTING; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; PHYSICS

The present invention makes it possible to identify a three-dimensional point group class label at a high performance level.　A key point selection unit 22 extracts a key point group 35, which are three-dimensional points which efficiently express the features of an object, and a non-key-point point group 37. An inference unit 24 sets each of a plurality of points selected by downsampling from each of the key point group 35 and the non-key-point point group 37 as representative points, and extracts the features of the representative points from the features and coordinates of each of the representative points and from the features and coordinates of nearby points to the representative points. The inference unit 24 extracts the features of a plurality of new representative points from the features and coordinates of the plurality of representative points, the features and coordinates of a plurality of pre-downsampling three-dimensional points which are the new representative points, and the features and coordinates of nearby points to the new representative points. The inference unit 24 derives and outputs a class label from the features and coordinates of the plurality of representative points or from the features and coordinates of the plurality of new representative points. La présente invention permet d'identifier une étiquette de classe de groupe de points tridimensionnels à un niveau de performance élevé.　Une unité de sélection de points clés (22) extrait un groupe de points clés (35), qui sont des points tridimensionnels qui expriment efficacement les caractéristiques d'un objet, et un groupe de points non clés (37). Une unité d'inférence (24) règle chacun d'une pluralité de points sélectionnés par sous-échantillonnage à partir de chacun du groupe de points clés (35) et du groupe de points non clés (37) en tant que points représentatifs, et extrait les caractéristiques des points représentatifs à partir des caractéristiques et des coordonnées de chacun des points représentatifs et des caractéristiques et des coordonnées de points proches des points représentatifs. L'unité d'inférence (24) extrait les caractéristiques d'une pluralité de nouveaux points représentatifs à partir des caractéristiques et des coordonnées de la pluralité de points représentatifs, les caractéristiques et les coordonnées d'une pluralité de points tridimensionnels de pré-sous-échantillonnage qui sont les nouveaux points représentatifs, et les caractéristiques et les coordonnées de points proches des nouveaux points représentatifs. L'unité d'inférence (24) dérive et délivre en sortie une étiquette de classe à partir des caractéristiques et des coordonnées de la pluralité de points représentatifs ou à partir des caractéristiques et des coordonnées de la pluralité de nouveaux points représentatifs. ３次元点群のクラスラベルを高性能に識別することができる。　キーポイント選別部２２は、物体の特徴を効率的に表現する３次元点であるキーポイント群３５と、キーポイント以外点群３７とを抽出する。推論部２４は、キーポイント群３５とキーポイント以外点群３７との各々からダウンサンプリングにより選択した複数の点の各々を代表点とし、代表点の各々について座標及び特徴量と、代表点の近傍点の座標及び特徴量とから、代表点の特徴量を抽出する。推論部２４は、複数の代表点の座標及び特徴量と、新たな代表点とするダウンサンプリング前の複数の３次元点の座標及び特徴量と、新たな代表点の近傍点の座標及び特徴量とから、複数の新たな代表点の特徴量を抽出する。推論部２４は、複数の代表点の座標及び特徴量、又は複数の新たな代表点の座標及び特徴量からクラスラベルを導出して出力する。