[發(fā)明專利]基于通道注意力的點(diǎn)云識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210004677.7
• 申請(qǐng)日: 2022-01-05
• 公開(kāi)（公告）號(hào): CN114299346A
• 公開(kāi)（公告）日: 2022-04-08
• 發(fā)明（設(shè)計(jì)）人: 周虹宇;張敏
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類(lèi)號(hào): G06V10/764
• 分類(lèi)號(hào): G06V10/764;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶雙馬智翔專利代理事務(wù)所(普通合伙) 50241
• 代理人: 顧曉玲

本發(fā)明屬于三維數(shù)據(jù)處理技術(shù)領(lǐng)域，具體公開(kāi)了一種基于通道注意力的點(diǎn)云識(shí)別方法及系統(tǒng)，該方法利用輸入點(diǎn)云，進(jìn)行全局位置編碼，以點(diǎn)云位置信息和全局位置編碼作為第一層層次化點(diǎn)云特征提取模塊的輸入，將第一層點(diǎn)云特征提取模塊的輸出當(dāng)作第二層層次化點(diǎn)云特征提取模塊的輸出，依次類(lèi)推，堆疊多層，最后一層輸出全局特征，在層次化點(diǎn)云特征提取模塊中，將點(diǎn)云采樣和分組，進(jìn)行層次化局部位置編碼，進(jìn)行注意力特征融合提取點(diǎn)云的空間特征。采用本技術(shù)方案，在原始點(diǎn)云數(shù)據(jù)的基礎(chǔ)上，分別基于點(diǎn)云的全局、局部位置進(jìn)行了位置編碼，從而將全局、局部位置信息融入點(diǎn)云特征中，同時(shí)融合通道注意力提取點(diǎn)云的通道特征，增加點(diǎn)云特征提取的效果。

技術(shù)領(lǐng)域

本發(fā)明屬于三維數(shù)據(jù)處理技術(shù)領(lǐng)域，涉及一種基于通道注意力的點(diǎn)云識(shí)別方法及系統(tǒng)。

背景技術(shù)

近年來(lái)，隨著機(jī)器人技術(shù)和自主駕駛技術(shù)的發(fā)展，三維傳感器開(kāi)始普及，三維數(shù)據(jù)越來(lái)越容易獲得,大規(guī)模的三維數(shù)據(jù)集開(kāi)始出現(xiàn)，如何正確地處理和分析三維數(shù)據(jù)也成為了一個(gè)值得關(guān)注的話題。

然而直接使用處理二維圖像數(shù)據(jù)的方法去處理三維數(shù)據(jù)并不可行，因?yàn)槎S圖像是由像素逐點(diǎn)表示的，而三維數(shù)據(jù)通常是一組在三維空間中無(wú)序的,離散的點(diǎn)的集合。在二維圖像上，通過(guò)卷積操作構(gòu)建復(fù)雜的卷積神經(jīng)網(wǎng)絡(luò)，來(lái)處理二維數(shù)據(jù)，這極大地提高了二維圖像的處理效果。如果模仿由像素表示的二維圖像，用體素來(lái)表示三維圖像數(shù)據(jù)，需要花費(fèi)大量的內(nèi)存來(lái)存儲(chǔ)數(shù)據(jù)，由于三維數(shù)據(jù)本身的稀疏性，導(dǎo)致難以在高分辨率的圖像上進(jìn)行處理。

點(diǎn)云數(shù)據(jù)是三維數(shù)據(jù)的直接表示，將三維點(diǎn)的坐標(biāo)和特征作為自身的參數(shù)使用。PointNet直接使用點(diǎn)云來(lái)處理數(shù)據(jù)，學(xué)習(xí)每個(gè)點(diǎn)的空間編碼，然后將所有的點(diǎn)特征聚合為全局特征，但PointNet沒(méi)有考慮點(diǎn)云的局部特征。而PointNet++通過(guò)引入層次結(jié)構(gòu)來(lái)提取全局和局部特征，解決了這一問(wèn)題。但這種方法沒(méi)能夠充分利用點(diǎn)云的通道數(shù)據(jù)，也沒(méi)能夠充分利用點(diǎn)云的全局和局部位置信息，導(dǎo)致在處理點(diǎn)云數(shù)據(jù)提取特征的過(guò)程中，未充分考慮位置信息。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于通道注意力的點(diǎn)云識(shí)別方法及系統(tǒng)，增加點(diǎn)云特征提取的效果。

為了達(dá)到上述目的，本發(fā)明的基礎(chǔ)方案為：一種基于通道注意力的點(diǎn)云識(shí)別方法，包括如下步驟：

輸入點(diǎn)云，進(jìn)行全局位置編碼；

進(jìn)行層次化點(diǎn)云特征提取，獲取點(diǎn)云的全局特征；

利用點(diǎn)云的全局特征進(jìn)行分類(lèi)和部件分割。

本基礎(chǔ)方案的工作原理和有益效果在于：針對(duì)沒(méi)能充分利用點(diǎn)云的全局和局部位置信息的問(wèn)題，使用全局位置編碼和層次化點(diǎn)云特征提取，獲取點(diǎn)云的全局特征。這樣可以在擴(kuò)大感知域提取高級(jí)特征的過(guò)程中，關(guān)注點(diǎn)云的層次化的位置信息，增加點(diǎn)云特征提取的效果。最后提取點(diǎn)云的全局特征用于接下來(lái)的形狀分類(lèi)，部件分割任務(wù)，操作簡(jiǎn)單，便于使用。

進(jìn)一步，層次化點(diǎn)云特征提取方法為：

以點(diǎn)云位置信息和所述全局位置編碼作為第一層層次化點(diǎn)云特征提取模塊的輸入，將第一層點(diǎn)云特征提取模塊的輸出當(dāng)作第二層層次化點(diǎn)云特征提取模塊的輸入，依次類(lèi)推，不斷堆疊層次化點(diǎn)云特征提取模塊，最后一層輸出全局特征；

在層次化點(diǎn)云特征提取模塊中，先將點(diǎn)云采樣和分組，再進(jìn)行層次化局部位置編碼，對(duì)層次化局部位置編碼通過(guò)多層感知器提取層次化特征；對(duì)提取到的層次化特征使用通道注意力進(jìn)行注意力特征融合，提取點(diǎn)云的空間特征,最后通過(guò)多層感知器和池化層進(jìn)一步提取點(diǎn)云的空間特征，作為該層層次化點(diǎn)云特征提取模塊的輸出。