一种处理三维点云的方法、装置、设备以及存储介质制造方法及图纸

本申请适用于计算机技术领域，提供了一种处理三维点云的方法、处理三维点云的装置、处理三维点云的设备及存储介质，包括：获取包括多个点的点云数据；将所述点云数据输入到已训练的卷积神经网络中处理，得到每个点对应的目标特征，所述卷积神经网络包括几何注意力融合模块和聚焦模块；基于每个点对应的目标特征，确定每个点对应的预测类别。基于该方法提取到的每个点的目标特征，包含了每个点对应的重要的几何信息，使提取到的每个点的目标特征更加准确、有效，进而根据每个点的目标特征进行预测类别时，得到的预测结果非常准确。

【技术实现步骤摘要】
一种处理三维点云的方法、装置、设备以及存储介质
本申请属于计算机
，尤其涉及一种处理三维点云的方法、处理三维点云的装置、一种处理三维点云的设备以及存储介质。
技术介绍
点云(英文全称为PointCloud)是在逆向工程中通过测量仪器得到的产品外观表面的点数据集合，点云数据除了具有几何位置以外，有的还有颜色信息。颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息(RGB)赋予点云中对应的点。强度信息的获取是激光扫描仪接收装置采集到的回波强度，此强度信息与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量，激光波长有关。但是，对点云数据进行处理时，由于三维点云数据与图像不同，三维点云数据是非规格化的，多视角投影技术将非规格化的三维点云投影为二维图像，再对二维图像进行处理，目前对点云数据进行处理需要先将点云数据转换为其它的数据格式，比如将三维点云投影到二维图像，作为卷积神经网络的输入；但是这个过程存在以下缺点：(1)由于遮挡原因，投影的过程本身会造成部分数据缺失。(2)数据转化的过程计算量比较大。因此，直接构造卷积神本文档来自技高网...

【技术保护点】
1.一种处理三维点云的方法，其特征在于，包括：/n获取包括多个点的点云数据；/n将所述点云数据输入到已训练的卷积神经网络中处理，得到每个点对应的目标特征，所述卷积神经网络包括几何注意力融合模块和聚焦模块，所述几何注意力融合模块用于提取每个所述点的局部增强特征，所述聚焦模块用于基于每个所述点的局部增强特征，提取每个所述点的目标特征；/n基于每个点对应的目标特征，确定每个点对应的预测类别。/n

【技术特征摘要】
1.一种处理三维点云的方法，其特征在于，包括：
获取包括多个点的点云数据；
将所述点云数据输入到已训练的卷积神经网络中处理，得到每个点对应的目标特征，所述卷积神经网络包括几何注意力融合模块和聚焦模块，所述几何注意力融合模块用于提取每个所述点的局部增强特征，所述聚焦模块用于基于每个所述点的局部增强特征，提取每个所述点的目标特征；
基于每个点对应的目标特征，确定每个点对应的预测类别。


2.如权利要求1所述的方法，其特征在于，所述提取每个所述点的局部增强特征，包括：
针对点云数据中的每个点，基于所述几何注意力融合模块获取所述点在欧式空间的近邻点，且基于所述点在欧式空间的近邻点确定所述点在特征值空间的近邻点；
融合所述点在欧式空间的近邻点以及所述点在特征值空间的近邻点，得到所述点对应的局部特征；
聚合所述点对应的局部特征，得到所述点对应的局部增强特征。


3.如权利要求2所述的方法，其特征在于，所述聚合所述点对应的局部特征，得到所述点对应的局部增强特征，包括：
基于注意力池化方式聚合所述点对应的局部特征，得到所述点对应的局部增强特征。


4.如权利要求1所述的方法，其特征在于，所述多个点包括不可分辨点，所述不可分辨点为所述多个点中不易确定预测类别的点，所述基于每个所述点的局部增强特征，提取每个所述点的目标特征，包括：
基于每个所述点的局部增强特征对每个点进行局部差分，得到每个点对应的局部差异；
根据每个点对应的局部差异，在所述多个点中确定所述不可分辨点；
采用多层感知器提取每个不可分辨点对应的目标特征。


5.如权利要求4所述的方法，其特征在于，所述采用多层感知器提取每个不可分辨点对应的目标特征，包括：
获取每个不可分辨点对应的预测标签，以及获取每个不可分辨点对应的中间特征；
针对每个不可分辨点，聚集所述不可分辨点对应的预测标签和中间特征，得到所述不可分辨点对应的聚集结果；
基于每个不可分辨点对应的聚集结果，采用多层感知器提取每个不可分辨点对应的目标特征。


6.如权利要求4所述的方法，其特征在于，所述基于每个点对应的目标特征，确定每个点对应的预...

【专利技术属性】
技术研发人员：乔宇，徐名业，张钧皓，周志鹏，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44