本公开实施例提供一种点云补全方法、装置、设备和介质。点云补全方法包括：对所述待补全点云进行特征提取，得到表征所述待补全点云空间分布特征的已知特征向量；采用自注意力机制模型处理所述已知特征向量，得到表征缺失点云空间分布特征的预测特征向量，其中在采用自注意力机制模型处理所述已知特征向量的过程中，将中间计算得到的至少一个查询矩阵和/或键矩阵进行低秩分解为低秩矩阵，并采用所述低秩矩阵替代对应的查询矩阵或者键矩阵进行注意力运算；基于所述预测特征向量生成缺失点云，并将所述缺失点云和所述待补全点云组合为完整点云。在采用自注意力机制模块处理已知特征向量的过程中，低秩分解后的矩阵进行运算，可以实现资源开销的降低。可以实现资源开销的降低。可以实现资源开销的降低。
【技术实现步骤摘要】
点云补全方法、装置、设备和介质
[0001]本公开涉及点云数据处理
，具体涉及一种点云补全方法、装置、设备和介质。
技术介绍
[0002]在自动驾驶领域，基于点云的道路对象检测已经得到的普及应用。车辆行驶过程中，因为各种原因，激光雷达可能被异物局部遮挡而造成采集到的点云仅是检测对象的局部点云。由于辅助驾驶系统无法通过局部点云确定检测对象的全貌，也就无法道路参与者的类型，进而无法制定合理的辅助驾驶策略。
[0003]为了解决前述问题，相关技术提出采用自注意力机制的点云补全算法，基于已有的局部点云特征预测缺失点云，进而利用已有局部点云和缺失点云拼接得到检测对象的完整点云。由于自注意力机制的点云补全算法中的注意力矩阵运算需要消耗大量运算紫云资源，在资源有限的自动驾驶系统中部署前述点云算法可能出现资源不足而降低运算速度的问题，使得计算结果无法满足实时性要求。
技术实现思路
[0004]为了解决上述技术问题，本公开实施例提供一种点云补全方法、装置、设备和介质。
[0005]第一方面，本公开实施例提供一种点云补全方法，包括：
[0006]对所述待补全点云进行特征提取，得到表征所述待补全点云空间分布特征的已知特征向量；
[0007]采用自注意力机制模型处理所述已知特征向量，得到表征缺失点云空间分布特征的预测特征向量，其中在采用自注意力机制模型处理所述已知特征向量的过程中，将中间计算得到的至少一个查询矩阵和/或键矩阵进行低秩分解为低秩矩阵，并采用所述低秩矩阵替代对应的查询矩阵或者键矩阵进行注意力运算；
[0008]基于所述预测特征向量生成缺失点云，并将所述缺失点云和所述待补全点云组合为完整点云。
[0009]可选的，所述对所述待补全点云进行特征提取，得到表征所述待补全点云空间分布特征的已知特征向量，包括：
[0010]分割所述待补全点云，得到多组局部点云；
[0011]提取各组所述局部点云的位置特征和几何形状特征；
[0012]基于所述位置特征和所述几何形状特征构建所述已知特征向量。
[0013]可选的，所述分割所述待补全点云进行，得到多组局部点云，包括：
[0014]采用最远点采样算法处理所述待补全点云，得到多个采样点；
[0015]基于所述采样点对所述待补全点云进行分割，得到所述多组局部点云。
[0016]可选的，所述采样点为对应的局部点云的中心点；
[0017]所述提取各组所述局部点云的位置特征和几何形状特征，包括：
[0018]对所述采样点的位置坐标进行位置编码，得到所述位置特征；
[0019]采用动态图边卷积网络处理所述局部点，得到所述几何形状特征。
[0020]可选的，所述自注意力机制模型包括编码器和解码器，所述编码器包括第一矩阵生成模块、注意力机制模块和最近邻接算法模块；
[0021]所述采用自注意力机制模型处理所述已知特征向量，得到表征缺失点云空间分布特征的预测特征向量，包括：
[0022]采用所述第一矩阵生成模块处理所述已知特征向量，得到第一查询矩阵、第一键矩阵和第一值矩阵；
[0023]采用所述注意力机制模块处理所述第一查询矩阵、所述第一键矩阵和所述第一值矩阵，得到第一中间向量，以及采用最近邻接算法模块处理所述第一值矩阵，得到第二中间向量；
[0024]拼接所述第一中间向量和所述第二中间向量得到第一拼接向量，并基于所述第一拼接向量得到编码向量；
[0025]采用所述解码器处理所述编码向量，得到所述预测特征向量。
[0026]可选的，所述自注意力机制模型还包括查询生成器；
[0027]在所述采用所述解码器处理所述编码向量，得到所述预测特征向量之前，所述方法还包括：
[0028]采用查询生成器处理所述编码向量，得到表征所述缺失点云初始状态的初始状态向量；
[0029]所述采用所述解码器处理所述编码向量，得到所述预测特征向量，包括：
[0030]采用解码器处理所述编码向量和所述初始状态向量，得到所述预测特征向量。
[0031]可选的，所述查询生成器包括中心预测模块和初始状态预测模块；
[0032]所述查询查询生成器处理所述编码向量，得到初始状态向量，包括：
[0033]采用所述中心预测模块处理所述编码向量得到中心坐标向量，所述中心坐标向量中元素表征所述预测点云中局部预测区域的中心点；
[0034]拼接所述编码向量和所述初始状态向量得到第二拼接向量；
[0035]采用所述初始状态预测模块处理所述第二拼接向量，得到所述初始状态向量。
[0036]可选的，所述基于所述预测特征向量生成缺失点云，包括：
[0037]采用折叠网络处理所述中心坐标向量和所述预测特征向量，得到所述中心坐标向量中各个中心点的临近点；
[0038]采用所述中心点和所述临近点生成局部缺失点云，并拼接所述局部缺失点云得到所述缺失点云。
[0039]第二方面，本公开实施例提供一种点云补全装置，包括：
[0040]点云特征提取单元，用于对所述待补全点云进行特征提取，得到表征所述待补全点云空间分布特征的已知特征向量；
[0041]模型处理单元，用于采用自注意力机制模型处理所述已知特征向量，得到表征缺失点云空间分布特征的预测特征向量，其中在采用自注意力机制模型处理所述已知特征向量的过程中，将中间计算得到的至少一个查询矩阵和/或键矩阵进行低秩分解为低秩矩阵，
并采用所述低秩矩阵替代对应的查询矩阵或者键矩阵进行注意力运算；
[0042]点云补全单元503，用于基于所述预测特征向量生成缺失点云，并将所述缺失点云和所述待补全点云组合为完整点云。
[0043]第三方面，本公开实施例提供一种计算设备，包括处理器和存储器，所述存储器用于存储计算机程序；所述计算机程序在被所述处理器加载时，使所述处理器执行如前所述的点云补全方法。
[0044]第四方面，本公开实施例提供一种计算机可读存储介质，所述存储介质存储有计算机程序，当计算机程序被处理器执行时，使得处理器实现如前所述的点云补全方法。
[0045]本公开实施例提供的技术方案与现有技术相比具有如下优点：
[0046]采用本公开实施例提供的点云补全方法，可以基于待补全点云生成已知特征向量，随后采用自注意力机制模型处理已知特征向量，得到表征缺失点云空间分布特征的预测特征向量，并采用预测特征向量生成缺失点云，进而利用缺失点云实现点云的补全。在采用自注意力机制模块处理已知特征向量的过程中，将中间计算得到的查询矩阵和/或键矩阵进行了低秩分解，再利用低秩分解后的矩阵进行运算，实现资源开销的降低。
附图说明
[0047]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。
[0048]为了更清楚地说明本公开实施例或现有技术中的技术本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种点云补全方法，其特征在于，包括：对所述待补全点云进行特征提取，得到表征所述待补全点云空间分布特征的已知特征向量；采用自注意力机制模型处理所述已知特征向量，得到表征缺失点云空间分布特征的预测特征向量，其中在采用自注意力机制模型处理所述已知特征向量的过程中，将中间计算得到的至少一个查询矩阵和/或键矩阵进行低秩分解为低秩矩阵，并采用所述低秩矩阵替代对应的查询矩阵或者键矩阵进行注意力运算；基于所述预测特征向量生成缺失点云，并将所述缺失点云和所述待补全点云组合为完整点云。2.根据权利要求1所述的方法，其特征在于，所述对所述待补全点云进行特征提取，得到表征所述待补全点云空间分布特征的已知特征向量，包括：分割所述待补全点云，得到多组局部点云；提取各组所述局部点云的位置特征和几何形状特征；基于所述位置特征和所述几何形状特征构建所述已知特征向量。3.根据权利要求2所述的方法，其特征在于，所述分割所述待补全点云进行，得到多组局部点云，包括：采用最远点采样算法处理所述待补全点云，得到多个采样点；基于所述采样点对所述待补全点云进行分割，得到所述多组局部点云。4.根据权利要求3所述的方法，其特征在于，所述采样点为对应的局部点云的中心点；所述提取各组所述局部点云的位置特征和几何形状特征，包括：对所述采样点的位置坐标进行位置编码，得到所述位置特征；采用动态图边卷积网络处理所述局部点，得到所述几何形状特征。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述自注意力机制模型包括编码器和解码器，所述编码器包括第一矩阵生成模块、注意力机制模块和最近邻接算法模块；所述采用自注意力机制模型处理所述已知特征向量，得到表征缺失点云空间分布特征的预测特征向量，包括：采用所述第一矩阵生成模块处理所述已知特征向量，得到第一查询矩阵、第一键矩阵和第一值矩阵；采用所述注意力机制模块处理所述第一查询矩阵、所述第一键矩阵和所述第一值矩阵，得到第一中间向量，以及采用最近邻接算法模块处理所述第一值矩阵，得到第二中间向量；拼接所述第一中间向量和所述第二中间向量得到第一拼接向量，并基于所述第一拼接向量得到编码向量；采用所述解码器处理所述编码向量，得到所述预测特征向量。6.根据权利要求5所述的方法，其特征在于，所述...
【专利技术属性】
技术研发人员：兰晓松，刘羿，
申请(专利权)人：斯乾上海科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。