点云数据的处理方法及装置、计算机存储介质、电子设备制造方法及图纸

本公开涉及人工智能技术领域，提供了一种点云数据的处理方法、点云数据的处理装置、计算机存储介质、电子设备，其中，点云数据的处理方法包括：获取输入点云对应的特征参数；对所述特征参数进行编码处理，以确定所述输入点云对应的编码信息；将所述编码信息输入至文本描述模型中进行解码，以获取所述输入点云对应的文本信息；其中，所述文本描述模型为对所述编码信息进行解码处理的机器学习模型。本公开中的点云数据的处理方法不仅能够解决现有技术中缺乏点云数据处理方法的技术问题，而且能够提高对点云进行文本描述的准确性。

【技术实现步骤摘要】
点云数据的处理方法及装置、计算机存储介质、电子设备
本公开涉及人工智能
，特别涉及一种点云数据的处理方法、点云数据的处理装置、计算机存储介质及电子设备。
技术介绍
随着人工智能技术的飞速发展，科技已经在不知不觉中影响着人们生活中的方方面面。随着三维打印、智能驾驶的推进，对点云数据的智能化处理和应用逐渐成为学术和工业界的研究热点。目前，对于图像/视频的处理方法较多，而对于点云数据的处理方法却很少见。一方面，图像/视频是由二维空间下的规整像素合成的，而点云数据是由三维空间下的离散扫描点合成的。另一方面，点云数据的规模较大，一般是由时间序列上的单帧点云数据拼接而成，且这些单帧点云数据之间存在时空一致性关系(即在对点云数据进行处理时需要考虑到单帧点云数据采集时的时间先后关系)，然而，现有的相关处理方法无法体现出时空一致性。因而，点云数据与图像/视频的处理方法存在本质性区别，无法将对图像/视频的处理方法直接应用于对点云数据的处理上。鉴于此，本领域亟需开发一种新的点云数据的处理方法及装置。需要说明的是，上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解。
技术实现思路
本公开的目的在于提供一种点云数据的处理方法、点云数据的处理装置、计算机存储介质及电子设备，进而至少在一定程度上避免了现有技术中缺乏相关点云数据处理方法的技术问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的第一方面，提供一种点云数据的处理方法，包括：获取输入点云对应的特征参数；对所述特征参数进行编码处理，以确定所述输入点云对应的编码信息；将所述编码信息输入至文本描述模型中进行解码，以获取所述输入点云对应的文本信息；其中，所述文本描述模型为对所述编码信息进行解码处理的机器学习模型。在本公开的示例性实施例中，所述获取输入点云对应的特征参数，包括：对所述输入点云中的单帧点云数据进行拆分，以获取第一点云数据与第二点云数据；获取所述第一点云数据对应的特征参数与所述第二点云数据对应的特征参数；将所述第一点云数据对应的特征参数与所述第二点云数据对应的特征参数进行合并，以确定所述输入点云对应的特征参数。在本公开的示例性实施例中，所述将所述第一点云数据对应的特征参数与所述第二点云数据对应的特征参数进行合并，以确定所述输入点云对应的特征参数，包括：将所述第一点云数据对应的特征参数与所述第二点云数据对应的特征参数进行合并，以获取所述单帧点云数据对应的特征参数；根据所述单帧点云数据对应的特征参数，确定所述输入点云对应的特征参数。在本公开的示例性实施例中，所述对所述特征参数进行编码处理，以确定所述输入点云对应的编码信息，包括：基于注意力机制对所述特征参数进行数值转换，以得到调整参数；基于循环神经网络对所述调整参数进行数值更新，以确定所述输入点云对应的编码信息。在本公开的示例性实施例中，所述对所述输入点云中的单帧点云数据进行拆分，以获取第一点云数据与第二点云数据，包括：基于卷积神经网络，对所述输入点云中的单帧点云数据进行拆分，以获取第一点云数据与第二点云数据。在本公开的示例性实施例中，所述方法还包括：基于所述卷积神经网络，所述循环神经网络以及所述注意力机制构建所述机器学习模型。在本公开的示例性实施例中，所述方法还包括：获取点云样本数据并标注所述点云样本数据对应的文本信息；根据所述点云样本数据与所述点云样本数据对应的文本信息对所述机器学习模型进行训练，以获取所述文本描述模型。根据本公开的第二方面，提供一种点云数据的处理装置，包括：获取模块，用于获取输入点云对应的特征参数；编码模块，用于对所述特征参数进行编码处理，以确定所述输入点云对应的编码信息；解码模块，用于将所述编码信息输入至文本描述模型中进行解码，以获取所述输入点云对应的文本信息；其中，所述文本描述模型为对所述编码信息进行解码处理的机器学习模型。根据本公开的第三方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的点云数据的处理方法。根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述第一方面所述的点云数据的处理方法。由上述技术方案可知，本公开示例性实施例中的点云数据的处理方法、点云数据的处理装置、计算机存储介质及电子设备至少具备以下优点和积极效果：在本公开的一些实施例所提供的技术方案中，一方面，获取输入点云对应的特征参数，并对上述特征参数进行编码处理，以确定输入点云对应的编码信息。另一方面，将编码信息输入至文本描述模型(对编码信息进行解码处理的机器学习模型)中进行解码，以获取输入点云对应的文本信息，能够将编码信息解码为文本信息，从而能够解决现有技术中缺乏点云数据处理方法的技术问题，提高对于点云数据处理的准确性与处理效率本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出本公开一示例性实施例中点云数据的处理方法的流程示意图；图2示出本公开一示例性实施例中点云数据的处理方法的示意图；图3示出本公开另一示例性实施例中点云数据的处理方法的示意图；图4示出本公开另一示例性实施例中点云数据的处理方法的流程示意图；图5示出本公开再一示例性实施例中点云数据的处理方法的流程示意图；图6示出本公开再一示例性实施例中点云数据的处理方法的示意图；图7示出本公开又一示例性实施例中点云数据的处理方法的示意图；图8示出本公开一示例性实施例中点云数据的处理方法的示意图；图9示出本公开另一示例性实施例中点云数据的处理方法的示意图；图10示出本公开再一示例性实施例中点云数据的处理方法的示意图；图11示出本公开示例性实施例中点云数据的处理装置的结构示意图；图12示出本公开示例性实施例中计算机存储介质的结构示意图；图13示出本公开示例性实施例中电子设备的结构示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法本文档来自技高网...

【技术保护点】
1.一种点云数据的处理方法，其特征在于，包括：/n获取输入点云对应的特征参数；/n对所述特征参数进行编码处理，以确定所述输入点云对应的编码信息；/n将所述编码信息输入至文本描述模型中进行解码，以获取所述输入点云对应的文本信息；/n其中，所述文本描述模型为对所述编码信息进行解码处理的机器学习模型。/n

【技术特征摘要】
1.一种点云数据的处理方法，其特征在于，包括：
获取输入点云对应的特征参数；
对所述特征参数进行编码处理，以确定所述输入点云对应的编码信息；
将所述编码信息输入至文本描述模型中进行解码，以获取所述输入点云对应的文本信息；
其中，所述文本描述模型为对所述编码信息进行解码处理的机器学习模型。


2.根据权利要求1所述的方法，其特征在于，所述获取输入点云对应的特征参数，包括：
对所述输入点云中的单帧点云数据进行拆分，以获取第一点云数据与第二点云数据；
获取所述第一点云数据对应的特征参数与所述第二点云数据对应的特征参数；
将所述第一点云数据对应的特征参数与所述第二点云数据对应的特征参数进行合并，以确定所述输入点云对应的特征参数。


3.根据权利要求2所述的方法，其特征在于，所述将所述第一点云数据对应的特征参数与所述第二点云数据对应的特征参数进行合并，以确定所述输入点云对应的特征参数，包括：
将所述第一点云数据对应的特征参数与所述第二点云数据对应的特征参数进行合并，以获取所述单帧点云数据对应的特征参数；
根据所述单帧点云数据对应的特征参数，确定所述输入点云对应的特征参数。


4.根据权利要求1或2所述的方法，其特征在于，所述对所述特征参数进行编码处理，以确定所述输入点云对应的编码信息，包括：
基于注意力机制对所述特征参数进行数值转换，以得到调整参数；
基于循环神经网络对所述调整参数进行数值更新，以确定所述输入点云对应的编码信息。


5.根据权利要求4所...

【专利技术属性】
技术研发人员：李艳丽，孙晓峰，赫桂望，蔡金华，
申请(专利权)人：北京京东叁佰陆拾度电子商务有限公司，
类型：发明
国别省市：北京;11