【技术实现步骤摘要】
一种基于软邻居聚合的点云分析方法
[0001]本专利技术涉及神经网络结构设计,尤其是涉及一种基于软邻居聚合的点云分析方法
。
技术介绍
[0002]近年来,随着人工智能以及深度学习的发展,神经网络在点云分析中得到广泛的应用,并达到很好效果
。
基于点的点云处理方式是目前点云分析中所使用的主流方法,例如文献
[1]Qian,G.,Li,Y.,Peng,H.,Mai,J.,Hammoud,H.,Elhoseiny,M.,&Ghanem,B.(2022).Pointnext:Revisiting pointnet++with improved training and scaling strategies.Advances in Neural Information Processing Systems,35,23192
‑
23204.
对于点云分析神经网络结构以及训练策略做出了改进,极大的提升性能
。[2]Lin,H.,Zheng,X.,Li,L.,Chao,F.,Wang,S.,Wang,Y.,...&Ji,R.(2022).Meta Architecture for Point Cloud Analysis.arXiv preprint arXiv:2211.14462.
通过对现有点云分析神经网络的分析,经过完备的实验,提出一种新的点云分析神经网络结构,在低计算资源消耗的同时提升性能
。
[00 ...
【技术保护点】
【技术特征摘要】
1.
一种基于软邻居聚合的点云分析方法,其特征在于包括以下步骤:
1)
使用神经网络更新点云中各点特征,使用球形查询获取点云中各个点的邻居点特征;
2)
使用
SWT
模块对点云中各个点的邻居点特征进行聚合;
3)
使用神经网络对每个
SWT
所汇集到的特征进行增强;
4)
使用解码器将特征映射回原空间,输出结果
。2.
如权利要求1所述一种基于软邻居聚合的点云分析方法,其特征在于在步骤
1)
中,所述使用神经网络更新点云中各点特征,使用球形查询获取点云中各个点的邻居点特征的子步骤为:
(1)
使用单层一维卷积操作对点云中各点信息进行更新,如下:
f
i
′
=
MLP1(f
i
)
式中,
f
i
为第
i
个节点所包含的信息,
MLP1为单层一维卷积操作,
f
i
′
为使用单层一维卷积操作对点云中各点信息更新后的第
i
个节点所包含的信息;
(2)
对邻居点信息进行使用球形查询分组,实现为对于点云中的每个点,选取在以该点为球心,某常数为半径的球体内部的所有节点作为该点的邻居节点,如下:
f
N(i)
,P
N(i)
=
Group(f
i
,p
i
)
式中,
f
i
为第
i
个节点所包含的信息,
p
i
为第
i
个节点的位置嵌入,
Group
为分组操作,
f
N(i)...
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。