(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210005364.3 (22)申请日 2022.01.05 (71)申请人 深圳市其 域创新科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区科苑南路3170号留学生 创业大厦一期2 207 (72)发明人 赵开勇　 (74)专利代理 机构 深圳市科进知识产权代理事 务所(普通 合伙) 44316 代理人 孟洁 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/35(2019.01) G06K 9/62(2022.01) (54)发明名称 基于知识图谱的空间语义信息的整合方法 及系统 (57)摘要 本发明涉及机器人技术领域， 特别涉及一种 基于知识 图谱的空间语义信息的整合方法及其 系统； 本发明将空间语义信息进行矢量化处理， 得到矢量化的数据信息； 然后将数据信息融入知 识图谱中； 本发 明通过将语义信息进行矢量化放 入到知识图谱中， 这样可以自动增长不同的图谱 节点， 跟进实际的情况进行增加， 方便整合数据 信息； 本发明既可 以处理不同空间数据信息， 然 后融合到空间知识图谱里面来， 又可以在过程中 不断的融合知识图谱， 对数据进行压缩， 这样可 以解决数据不断增长的问题。 权利要求书1页 说明书4页 附图1页 CN 114020934 A 2022.02.08 CN 114020934 A 1.一种基于知识图谱的空间语义信息的整合方法， 其特 征在于， 包括如下步骤： 步骤S1、 将空间语义信息进行矢量 化处理， 得到矢量化的数据信息； 步骤S2、 将数据信息融入知识图谱中。 2.根据权利要求1所述的一种基于知识图谱的空间语义信 息的整合方法， 其特征在于， 步骤S2包括如下步骤： 步骤S21、 对输入的数据信息进行 数据集的定义； 步骤S22、 对数据集内的特 征点进行检测， 将特 征点筛选出来； 步骤S23、 对特 征点进行聚类初始化， 得到初始化的聚类中心， 进行迭代处 理； 步骤S24、 对特征点进行剔除处理， 再进行聚类细分， 保留距离聚类中心最近的特征点 作为数据点； 步骤S25、 将数据点融入知识图谱中。 3.根据权利要求2所述的一种基于知识图谱的空间语义信 息的整合方法， 其特征在于， 在步骤S22内， 将数据点曲率、 点法向与邻域点法向夹角的平均值、 点到邻域中心的距离、 点 到邻域点的平均距离， 设定为 参数特征， 参数特征均设定有参数 特征阈值。 4.根据权利要求3所述的一种基于知识图谱的空间语义信 息的整合方法， 其特征在于， 在步骤S2 2内， 将特 征参数大于参数 特征阈值的点， 检测设定为特 征点。 5.根据权利要求4所述的一种基于知识图谱的空间语义信 息的整合方法， 其特征在于， 在步骤S23内， 建立自适应八叉树模型， 通过八叉树模型进行分割， 得到初始化的聚类中心。 6.根据权利要求5所述的一种基于知识图谱的空间语义信 息的整合方法， 其特征在于， 在步骤S23内， 对聚类中心进行迭代更新处 理。 7.根据权利要求6所述的一种基于知识图谱的空间语义信 息的整合方法， 其特征在于， 在步骤S24内， 遍历聚类对其中的特征点进行剔除处理， 保留聚类的点云模块的细节特征， 从而得到每个聚类中数据点之 间的最大曲率差， 将最大曲率差大于 设定阈值的聚类进 行迭 代细分。 8.根据权利要求7所述的一种基于知识图谱的空间语义信 息的整合方法， 其特征在于， 在步骤S24内， 迭代细分之后， 再更新聚类信息， 保留距离聚类中心最近的特征点作为数据 点。 9.一种基于知识图谱的空间语义信息的整合系统， 其特 征在于， 包括： 矢量模型， 用于对语义信息进行矢量 化处理成数据信息； 融合模型， 用于将数据信息融入知识图谱中。 10.根据权利要求9所述的一种基于知识图谱的空间语义信息的整合系统， 其特征在 于， 融合模型包括： 输入单元， 用于输入的数据信息进行 数据集的定义； 检测单元， 用于对数据集内的特 征点进行检测； 初始化单 元， 用于对特 征点进行聚类初始化； 聚类细分单 元， 用于对特 征点进行剔除处 理， 再进行聚类细分。权　利　要　求　书 1/1 页 2 CN 114020934 A 2基于知识图谱的空间语 义信息的整合 方法及系统 技术领域 [0001]本发明涉及机器人技术领域， 特别涉及一种基于知识图谱的空间语义信息的整合 方法及其系统。 背景技术 [0002]知识图谱， 也被称为科学知识图谱， 在图书情报界称为知识域可视化或知识领域 映射地图， 是显示知识发展进程与结构关系的一系列各种不同的图形， 用可视化技术描述 知识资源及其载体， 挖掘、 分析、 构建、 绘制和显示知识及 知识之间的相互关系。 [0003]现在在机器人行业和VR、 AR、 MR等混合现实， 虚拟现实等行业， 传统的方式还是基 于字典库、 物体特征、 物体识别或者空间物体的图谱或图论来定位， 但其增加数据时比较麻 烦而且整合 不够。 发明内容 [0004]本发明主要解决的技术问题是提供一种基于知识图谱的空间语义信息的整合方 法， 其通过将 语义信息进 行矢量化放入到知识图谱中， 这样可以自动增长不同的图谱节点， 跟进实际的情况进行增加， 方便整合数据信息； 还提供了一种基于知识图谱的空间语义信 息的整合方法及其系统。 [0005]为解决上述技术问题， 本发明采用的一个技术方案是： 提供一种基于知识图谱的 空间语义信息的整合方法， 其中， 包括如下步骤： 步骤S1、 将空间语义信息进行矢量 化处理， 得到矢量化的数据信息； 步骤S2、 将数据信息融入知识图谱中。 [0006]作为本发明的一种改进， 步骤S2包括如下步骤： 步骤S21、 对输入的数据信息进行 数据集的定义； 步骤S22、 对数据集内的特 征点进行检测， 将特 征点筛选出来； 步骤S23、 对特 征点进行聚类初始化， 得到初始化的聚类中心， 进行迭代处 理； 步骤S24、 对特征点进行剔除处理， 再进行聚类细分， 保留距离聚类中心最近的特 征点作为数据点； 步骤S25、 将数据点融入知识图谱中。 [0007]作为本发明的进一步改进， 在步骤S22内， 将数据点曲率、 点法向与邻域点法向夹 角的平均值、 点到邻域中心的距离、 点到邻域点的平均距离， 设定为参数特征， 参数特征均 设定有参数 特征阈值。 [0008]作为本发明的更进一步改进， 在步骤S22内， 将特征参数大于参数特征阈值的点， 检测设定为特 征点。 [0009]作为本发明的更进一步改进， 在步骤S23内， 建立自适应八叉树模型， 通过八叉树 模型进行分割， 得到初始化的聚类中心。 [0010]作为本发明的更进一 步改进， 在步骤S23内， 对聚类中心进行迭代更新处 理。说　明　书 1/4 页 3 CN 114020934 A 3