System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机视觉,特别是涉及一种三维点云分割方法、装置、计算机设备和存储介质。
技术介绍
1、图像采集在医疗领域被广泛使用,也被称为超声检查或超声波检查,是一种常见的医学影像检查方法。它通过使用高频声波和超声探头来产生身体内部组织和器官的图像。
2、现有技术将机器学习引入到超声扫描中,基于图像采集得到的点云数据,通过训练好的深度学习网络提取点云数据的特征,对提取的特征进行图像处理,从而识别并分割出目标区域,根据目标区域自动调整超声扫描范围,从而降低操作人员的工作负担,同时提高超声扫描的效率和精确度。
3、然而,现有技术对目标区域的分割准确度仍有待提高,同时计算复杂度较高,导致效率较低。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高分割准确度和分割效率的三维点云分割方法、装置、计算机设备和存储介质。
2、第一方面,本申请提供了一种三维点云分割方法,包括:
3、获取目标点云数据;目标点云数据为对目标对象进行图像采集得到的三维点云中各点对应特征数据;
4、通过局部点注意力模型对目标点云数据进行局部点注意力提取,获取局部信息;通过全局双键注意力模型对目标点云数据进行全局注意力提取,获取全局信息;通过双键自注意力模型基于局部信息和全局信息进行特征提取,获取特征信息;其中,全局双键注意力模型根据三维点云对应特征数据及选取自三维点云的参考点和匹配点对应特征数据获取全局信息,参考点为三维点云的采样点,匹配点根据三
5、基于特征信息,获取目标对象的分割结果。
6、在其中一个实施例中,通过局部点注意力模型对目标点云数据进行局部点注意力提取,获取局部信息包括:
7、通过局部点注意力模型对三维点云进行分组,针对每组组内的三维点云,获取每个点与其它各点之间的位置编码,根据位置编码与组内各点的查询向量、键值向量和数值向量获取对应于组内各点的局部信息;
8、其中,查询向量、键值向量和数值向量均根据三维点云对应特征数据确定。
9、在其中一个实施例中,通过全局双键注意力模型对目标点云数据进行全局注意力提取,获取全局信息包括:
10、从三维点云中采样获取若干参考点;
11、采用knn算法获取各参考点对应的邻域点集合,根据邻域点集合中各元素对应的特征数据,获取参考点对应特征均值;邻域点集合中的元素均为三维点云中的点;
12、获取邻域点集合各元素与特征均值的特征相似度,根据特征相似度从邻域点集合中确定参考点对应匹配点;
13、根据三维点云的查询向量、参考点的键向量和数值向量,以及匹配点的键向量和数值向量,确定全局信息;
14、其中,参考点的键向量和数值向量根据参考点对应特征数据确定,匹配点的键向量和数值向量根据匹配点对应特征数据确定。
15、在其中一个实施例中,从三维点云中采样获取若干参考点包括:
16、采用最远点采样法从三维点云中选取若干均匀分布的点作为参考点;
17、获取邻域点集合各元素与特征均值的特征相似度包括:
18、根据邻域点集合各元素对应的特征数据与特征均值之间的欧几里得距离,确定邻域点集合各元素与特征均值的特征相似度。
19、在其中一个实施例中,双键自注意力模型包括依次连接的融合网络和前馈神经网络;
20、通过双键自注意力模型基于局部信息和全局信息进行特征提取,获取特征信息包括:
21、通过融合网络对局部信息和全局信息进行融合,并将融合结果与目标点云数据残差连接,获取第一信息;
22、通过前馈神经网络对第一信息进行特征提取,获取第二信息;
23、将第一信息与第二信息进行残差连接,获取特征信息。
24、在其中一个实施例中,双键自注意力模型包括权重参数;
25、通过双键自注意力模型基于局部信息和全局信息进行特征提取,获取特征信息包括:
26、通过双键自注意力模型根据权重参数对局部信息和全局信息进行加权,基于加权的局部信息和全局信息进行特征提取,获取特征信息。
27、第二方面,本申请提供了一种三维点云分割装置,装置包括:
28、数据采集模块,用于获取目标点云数据;目标点云数据为对目标对象进行图像采集得到的三维点云中各点对应特征数据;
29、特征提取模块,用于通过局部点注意力模型对目标点云数据进行局部点注意力提取,获取局部信息;通过全局双键注意力模型对目标点云数据进行全局注意力提取,获取全局信息;通过双键自注意力模型基于局部信息和全局信息进行特征提取,获取特征信息;其中,全局双键注意力模型根据三维点云对应特征数据及选取自三维点云的参考点和匹配点对应特征数据获取全局信息,参考点为三维点云的采样点,匹配点根据三维点云与参考点的特征相似度选取,特征相似度根据目标点云数据确定;
30、分割模块,用于基于特征信息,获取目标对象的分割结果。
31、第三方面,本申请提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
32、获取目标点云数据;目标点云数据为对目标对象进行图像采集得到的三维点云中各点对应特征数据;
33、通过局部点注意力模型对目标点云数据进行局部点注意力提取,获取局部信息;通过全局双键注意力模型对目标点云数据进行全局注意力提取,获取全局信息;通过双键自注意力模型基于局部信息和全局信息进行特征提取,获取特征信息;其中,全局双键注意力模型根据三维点云对应特征数据及选取自三维点云的参考点和匹配点对应特征数据获取全局信息,参考点为三维点云的采样点,匹配点根据三维点云与参考点的特征相似度选取,特征相似度根据目标点云数据确定;
34、基于特征信息,获取目标对象的分割结果。
35、第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
36、获取目标点云数据;目标点云数据为对目标对象进行图像采集得到的三维点云中各点对应特征数据;
37、通过局部点注意力模型对目标点云数据进行局部点注意力提取,获取局部信息;通过全局双键注意力模型对目标点云数据进行全局注意力提取,获取全局信息;通过双键自注意力模型基于局部信息和全局信息进行特征提取,获取特征信息;其中,全局双键注意力模型根据三维点云对应特征数据及选取自三维点云的参考点和匹配点对应特征数据获取全局信息,参考点为三维点云的采样点,匹配点根据三维点云与参考点的特征相似度选取,特征相似度根据目标点云数据确定;
38、基于特征信息,获取目标对象的分割结果。
39、第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:<本文档来自技高网...
【技术保护点】
1.一种三维点云分割方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述通过局部点注意力模型对所述目标点云数据进行局部点注意力提取,获取局部信息包括:
3.根据权利要求1所述的方法,其特征在于,所述通过全局双键注意力模型对所述目标点云数据进行全局注意力提取,获取全局信息包括:
4.根据权利要求3所述的方法,其特征在于,所述从所述三维点云中采样获取若干所述参考点包括:
5.根据权利要求1所述的方法,其特征在于,所述双键自注意力模型包括依次连接的融合网络和前馈神经网络;
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述双键自注意力模型包括权重参数;
7.一种三维点云分割装置,其特征在于,所述装置包括:
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种三维点云分割方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述通过局部点注意力模型对所述目标点云数据进行局部点注意力提取,获取局部信息包括:
3.根据权利要求1所述的方法,其特征在于,所述通过全局双键注意力模型对所述目标点云数据进行全局注意力提取,获取全局信息包括:
4.根据权利要求3所述的方法,其特征在于,所述从所述三维点云中采样获取若干所述参考点包括:
5.根据权利要求1所述的方法,其特征在于,所述双键自注意力模型包括依次连接的融合网络和前馈神经网络;
6.根据权利要求1至5任...
【专利技术属性】
技术研发人员:朱冰洁,杨继锋,
申请(专利权)人:飞依诺科技股份有限公司,
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。