[發明專利]一種三維目標分類、分割方法

在審

• 申請號: 202110560118.X
• 申請日: 2021-05-21
• 公開（公告）號: CN113159232A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 韓先鋒;金依菲
• 申請（專利權）人: 西南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T19/20
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 李鐵

1.一種三維目標分類方法，其特征在于，包括：

獲取待分類目標的三維點云數據；

利用基于Transformer的特征提取模塊對所述三維點云數據進行特征提取，得到特征圖；將所述特征圖輸入到由多個全連接層級聯而成的全連接模塊中，得到分類后的目標。

2.根據權利要求1所述的三維目標分類方法，其特征在于，所述基于Transformer的特征提取模塊由多個特征提取單元級聯而成；所述特征提取單元包括：

依次連接的特征下采樣層、基于注意力機制的Transformer模型。

3.根據權利要求2所述的三維目標分類方法，其特征在于，每個所述Transformer模型包括一個自注意力機制模塊與一個通道自注意力機制模塊，所述Transformer模型通過聚合點自注意力機制與通道自注意力機制得到所述特征圖；

其中，表示Transformer模型輸出的第l+1層特征圖，表示對第l層點特征圖進行多頭點自注意力運算得到點特征圖；表示經過對第l層特征圖進行通道自注意力運算得到的特征圖。

4.根據權利要求3所述的三維目標分類方法，其特征在于，所述點自注意力機制模型表示為：

M表示第M個點自注意力機制模塊，MHAT_PWSA(F^l)表示對第l層點特征圖F^l進行多頭自注意力操作；

其中，m代表點自注意力頭的索引，m＝1,2,3,...,M，是第m個點自注意力頭的點空間特征矩陣，σ代表softmax操作，是三個線性層的可學習權重參數，并且d_q＝d_k＝d_v＝d_c＝C/M，C代表特征維度，分別表示第l+1層點多頭注意力模型第m個頭的查詢、鍵、值矩陣，(·)^T表示轉置。

5.根據權利要求4所述的三維目標分類方法，其特征在于，所述通道自注意力機制模型表示為：

MHAT_CWSA(F^l)表示對第l層點特征圖F^l進行通道多頭自注意力操作，

其中，為通道特征矩陣，是全連接層的權重矩陣，并且分別表示第l+1層通道多頭注意力模型第m個頭的查詢、鍵、值矩陣。

6.根據權利要求5所述的三維目標分類方法，其特征在于，所述基于Transformer的特征提取模塊包括依次級聯的3個特征提取單元；所述特征圖經過級聯的3個全連接層，得到目標的類別。

7.一種三維目標分割方法，其特征在于，包括：

利用如權利要求1-6任意一項所述的分類方法對待分類目標進行分類，得到分類后的目標；

對所述分類后的目標的點云數據進行至少兩次特征提取，得到特征圖；

將所述特征圖輸入到由多個全連接層級聯而成的全連接模塊中，得到分割。

8.根據權利要求7所述的三維目標分割方法，其特征在于，所述對所述分類后的目標的點云數據進行至少兩次特征提取，包括：

通過第一特征提取模塊對所述分類后的目標的點云數據以第一特征提取方式進行至少一次特征提取，得到第一特征圖；

通過第二特征提取模塊對所述第一特征圖以第二特征提取方式進行至少一次特征提取，得到特征圖；

所述第一特征提取模塊包括第一級第一特征提取單元至第N級第一特征提取單元，所述第二特征提取模塊包括第一級第二特征提取單元至第N級第二特征提取單元，第N級第一特征提取單元與所述第一級第二特征提取單元連接；第n級第二特征提取單元與第N-n級第一特征提取單元連接；

所述第一特征提取單元包括特征下采樣層和特征提取子單元，所述第二特征提取單元包括特征上采樣層和特征提取子單元，所述特征提取子單元包括：依次連接的基于注意力機制的Transformer模型。