一种恶劣天气下的三维点云失真学习域适应语义分割方法

本发明公开了一种恶劣天气下的三维点云失真学习域适应语义分割方法，该方法设计了一种可以学习域不变特征与恶劣天气导致的点云失真的深度神经网络，其中源域是晴朗天气，目标域为恶劣天气；该方法包括：先训练教师模型，使用点云失真学习模块，将目标域的统计特征迁移至源域，然后进一步使用跨域特征关联模块学习域不变特征，之后输入语义分割骨干网络，得到结果；再使用点云语义知识蒸馏模块，将教师模型学习到的知识迁移到轻量的学生模型中；最后通过课程学习模块进一步优化最后得到的学生模型，得到最终结果。本发明提出的方法能够有效提升三维点云语义分割模型在恶劣天气数据上的适应能力，同时显著降低数据集的标注成本。