一种面向代表点自注意力机制的轻量级点云目标检测方法技术

本发明专利技术涉及基于点云数据的目标检测技术，其公开了一种面向代表点自注意力机制的轻量级点云目标检测方法，减少模型参数量，提高模型的训练收敛速率和检测准确率。该方法包括以下步骤：S1、读取点云数据；S2、对点云数据进行FPS采样，获得代表点；S3、对代表点进行多层K近邻特征提取，获得各个代表点的特征向量；S4、根据各个代表点的特征向量进行分类检测，获得该点包含目标的概率。点包含目标的概率。点包含目标的概率。

【技术实现步骤摘要】
一种面向代表点自注意力机制的轻量级点云目标检测方法


[0001]本专利技术涉及基于点云数据的目标检测技术，具体涉及一种面向代表点自注意力机制的轻量级点云目标检测方法。

技术介绍

[0002]三维计算机视觉技术日新月异，发展迅猛。目标检测作为计算机视觉中一个重要的分支，在社会生活和工业领域应用前景广泛，无论在学界还是工业界都是一个热门领域。由于点云数据不易受光照、尘雾等因素的影响，而传统图像可能会受困于天气等视觉干扰的因素，因此点云数据在三维场景的目标检测任务中得到了广泛的应用，通过使用点云数据获得三维空间的信息，提升了三维目标检测的效果，具有广泛的应用前景和应用价值。
[0003]在三维目标检测的过程中，出现了众多的方法。其中部分方法是通过二维图像去得到三维目标检测结果，例如Gs3d利用二维图像潜在的三维信息去得到检测目标的三维边框，这种直接使用二维图像得到三维检测框的方法由于缺乏深度信息，因此往往难以达到令人满意的效果。Frustum pointnet方法则是先通过二维图像生成检测到的二维边框(bounding box)边框，然后再以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向代表点自注意力机制的轻量级点云目标检测方法，其特征在于，包括以下步骤：S1、读取点云数据；S2、对点云数据进行FPS采样，获得代表点；S3、对代表点进行多层K近邻特征提取，获得各个代表点的特征向量；S4、根据各个代表点的特征向量进行分类检测，获得该点包含目标的概率。2.如权利要求1所述的一种面向代表点自注意力机制的轻量级点云目标检测方法，其特征在于，步骤S1还包括：在读取点云数据时，对读取的点云的数量进行一致性采样。3.如权利要求1所述的一种面向代表点自注意力机制的轻量级点云目标检测方法，其特征在于，步骤S3中，在对代表点进行多层K近邻特征提取过程中，每一层K近邻特征提取包括以下步骤：S31、依次以每个代表点为中心点，采用K最近邻算法选取一定数量的临近点，获得包含临近点特征的代表点特征向量；S32、将包含临近点特征的代表点特征向量输入到多层感知机网络中进行学习，获得带有通道特征的代表点特征向量；S33、进行最大池化处理，获得表征各代表点的特征向量，作为当前层K近邻特征提取的结果。4.如权利要求3所述的一种面向代表点自注意力机制的轻量级点云目标检测方法，其特征在于，步骤S32中，所述多层感知机网络包括三个一维卷积核，每个卷积核的大小为1
×
4，三个卷积核的输出通道数分别为16，32，64。5.如权利要求3所述的一种面向代表点自注意力机制的轻量级点云目标检测方法，其特征在于，步骤S32还包括：在获得带有通道特征的代表点特征向量后，对所述带有通道特征的代表点特征向量进行自注意力机制处理，获得加入自注意力...

【专利技术属性】
技术研发人员：朱大勇，罗光春，赵太银，陈爱国，潘海涛，曹申健，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：