【技术实现步骤摘要】
基于双边交叉增强与自注意力补偿的点云语义分割方法
[0001]本专利技术涉及点云语义分割方法,尤其是基于双边交叉增强与自注意力补偿的点云语义分割方法。
技术介绍
[0002]早期点云语义分割方法主要分为基于投影的点云语义分割方法和基于体素化的点云语义分割方法,这两种点云语义分割方法取得了很大的研究进展,但是不可避免的也会损失几何信息,导致分割精度不佳。
[0003]为了解决上述方法的不足,学者们提出了直接对点云中的点进行处理的语义分割方法,可以获得更好的点云空间几何信息,提高点云的分割精度。比如:Qi等人提出了PointNet方法(文献:Charles Ruizhongtai Qi,Hao Su,Kaichun Mo,and Leonidas J.Guibas.PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation.Conference 0n Computer Vision and Pattern Recognition(CVPR),IEEE Computer Society,pp.77
‑
85,2017.),直接对点云中的点进行处理,通过共享的多层感知机(Multi
‑
layer Perceptron,MLP)逐点学习点特征,解决了点云的稀疏性、无序性以及置换不变性的问题,但不能很好的提取点云的局部上下文信息;Komarichev等人提出了一种环形卷积算子(文献:Artem K ...
【技术保护点】
【技术特征摘要】
1.基于双边交叉增强与自注意力补偿的点云语义分割方法,其特征在于包括以下步骤:
①
将待分割的点云数据输入至语义分割模型中,所述的语义分割模型包括预处理模块、基于双边交叉增强与自注意力补偿的空间聚合模块、多尺度特征融合模块和全连接层;所述的基于双边交叉增强与自注意力补偿的空间聚合模块由五个级联的空间聚合块组成,所述的空间聚合块由一个双边交叉增强作用单元和一个Transformer自注意力机制作用单元组成,其中双边交叉增强作用单元的输出为Transformer自注意力机制作用单元的输入;
②
在预处理模块中,将待分割的点云数据在三维空间的原始坐标记为初步几何上下文信息;通过多层感知机对待分割的点云数据进行特征提取,得到初步语义上下文信息;
③
将初步几何上下文信息和初步语义上下文信息输入至第一个空间聚合块的双边交叉增强作用单元中,将初步几何上下文信息和经过一次下采样的初步语义上下文信息输入至第二个空间聚合块的双边交叉增强作用单元中,将初步几何上下文信息和经过两次下采样的初步语义上下文信息输入至第三个空间聚合块的双边交叉增强作用单元中,将初步几何上下文信息和经过三次下采样的初步语义上下文信息输入至第四个空间聚合块的双边交叉增强作用单元中,将初步几何上下文信息和经过四次下采样的初步语义上下文信息输入至第五个空间聚合块的双边交叉增强作用单元中,由五个空间聚合块的Transformer自注意力机制作用单元中输出并得到不同分辨率的特征图;
④
将不同分辨率的特征图输入至多尺度特征融合模块中,得到用于语义分割的综合特征图;
⑤
将用于语义分割的综合特征图输入至全连接层,得到待分割的点云数据的语义分割结果。2.根据权利要求1所述的基于双边交叉增强与自注意力补偿的点云语义分割方法,其特征在于得到所述的双边交叉增强作用单元的输出的具体过程如下:随机抽取点云数据中的一个点作为中心点,使用3D
‑
KNN算法搜索并得到中心点的近邻点,通过公式计算得到局部几何上下文信息其中,P
i
表示中心点的绝对坐标,F
ik
表示近邻点的绝对坐标,P
ik
‑
P
i
表示近邻点相对于中心点的相对坐标,表示拼接操作符号,k=16,通过公式计算得到局部语义上下文信息其中,F
i
表示中心点在语义特征空间中所对应的语义特征,表示近邻点在语义特征空间中所对应的相邻语义特征,表示近邻点相对于中心点的语义特征,通过公式得到局部几何上下文信息的偏移量通过公式得到局部语义上下文信息的偏移量通过公式计算得到增强后的局部上下文信息Le并作为双边交叉增强作用单元的输出,其中,concat(
·
)表示连接运算,M(
·
)表示多层感知机运算。3.根据权利要求2所述的基于双边交叉增强与自注意力补偿的点云语义分割方法,其特征在于得到所述的Tran...
【专利技术属性】
技术研发人员:朱仲杰,张荣,白永强,王玉儿,于显超,
申请(专利权)人:浙江万里学院,
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。