[發明專利]點云特征增強方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202110452686.8
• 申請日: 2021-04-26
• 公開（公告）號: CN112862730B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 黃惠;林力強
• 申請（專利權）人: 深圳大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 袁武

本申請涉及一種點云特征增強方法、裝置、計算機設備和存儲介質。所述方法包括：獲取三維點云；所述三維點云包括多個輸入點；對所述輸入點的鄰域點特征進行特征聚集得到所述輸入點的第一特征；將所述第一特征映射至相應輸入點所對應的注意力點；對所述注意力點的鄰域點特征進行特征聚集得到相應輸入點的第二特征；對所述輸入點的第一特征與第二特征進行特征融合得到相應的增強特征。采用本方法能夠提高點云特征的增強效果。

技術領域

本申請涉及計算機圖形學技術領域，特別是涉及一種點云特征增強方法、裝置、計算機設備和存儲介質。

背景技術

隨著計算機圖形學技術的發展，基于三維點云的點云分類和點云分割等三維視覺任務逐漸發展起來。通常通過激光雷達傳感器等測量儀器對現實場景或物體進行掃描后，能夠得到物體在三維空間中的三維點云表示，通過分析三維點云的特征能夠分析物體的三維形狀，由此，三維點云特征的提取是三維視覺任務的基本任務之一。由此，如何更好地提取三維點云特征，以便于基于所提取到的三維點云特征進行后續視覺任務時能夠取得更好的效果，是值得關注的問題。

目前，針對三維點云特征的提取主要集中在局部特征的學習上，雖然存在基于注意機制的點云特征學習，目前的基于注意機制的點云特征學習方式下，需要預先選取一組固定的點作為注意力點，而不能夠隨著三維點云的不同而自動選取更佳的注意力點，由此，該種點云特征學習方式對所學習到的點云特征的增強效果較弱。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高點云特征的增強效果的點云特征增強方法、裝置、計算機設備和存儲介質。

一種點云特征增強方法，所述方法包括：

獲取三維點云；所述三維點云包括多個輸入點；

對所述輸入點的鄰域點特征進行特征聚集得到所述輸入點的第一特征；

將所述第一特征映射至相應輸入點所對應的注意力點；

對所述注意力點的鄰域點特征進行特征聚集得到相應輸入點的第二特征；

對所述輸入點的第一特征與第二特征進行特征融合得到相應的增強特征。

在其中一個實施例中，所述將所述第一特征映射至相應輸入點所對應的注意力點，包括：

將所述輸入點的第一特征映射為目標偏移向量；

根據所述輸入點與所述目標偏移向量確定相應的注意力點。

在其中一個實施例中，所述目標偏移向量為歐氏空間中的坐標偏移向量；所述根據所述輸入點與所述目標偏移向量確定相應的注意力點，包括：

根據所述輸入點在所述歐氏空間中的坐標向量，以及所述坐標偏移向量得到偏移點坐標向量；

根據所述偏移點坐標向量確定相應輸入點所對應的注意力點。

在其中一個實施例中，所述目標偏移向量為特征空間中的特征偏移向量；所述根據所述輸入點與所述目標偏移向量確定相應的注意力點，包括：

根據所述輸入點在特征空間中的特征向量，以及所述特征偏移向量得到偏移點特征向量；

根據所述偏移點特征向量確定相應輸入點所對應的注意力點。

在其中一個實施例中，所述將所述輸入點的第一特征映射為目標偏移向量，包括：

通過共享參數的多層感知機將所述三維點云中每個輸入點的第一特征映射為相應目標偏移向量。

在其中一個實施例中，所述對所述注意力點的鄰域點特征進行特征聚集得到相應輸入點的第二特征，包括：

從所述三維點云中確定所述注意力點的鄰域點和相應的鄰域點特征；