【技术实现步骤摘要】
本专利技术属于计算机视觉，具体涉及一种结合通道剪枝和通道注意力的轻量型点云补全方法。
技术介绍
1、随着三维传感器的快速发展，点云在自动驾驶、增强现实、机器人等领域中得到了广泛应用。然而，由于天气、分辨率、遮挡和视角的限制，传感器通常会获取到稀疏、残缺且有噪声的点云，这样的点云会造成目标识别、分割等任务精度下降。例如，在自动驾驶中，为了检测障碍物和接收其他相关的驾驶信息，计算机视觉系统会接收并分析来自传感器的原始点云，但由于点云的不完整，特别是车辆点云的碎片化，可能会降低自动驾驶车辆的目标检测、交通预警和避撞功能的准确性。因此，从局部点云中恢复完整形状对于目标识别、分割等下游任务是非常重要的。
2、随着近年来深度学习的快速发展，深度学习逐渐被广泛应用于3d视觉系统中。自pointnet和point-net++在点云处理方面取得巨大成功以后，更多的基于深度学习的方法被用来解决三维点云补全任务。pcn首先提出了一种由粗到细的点云补全框架，该框架基于从部分输入中学习全局特征生成粗点云，其解码器基于folding-net细化粗糙点云...
【技术保护点】
1.一种结合通道剪枝和通道注意力的轻量型点云补全方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种结合通道剪枝和通道注意力的轻量型点云补全方法，其特征在于，所述步骤2中网络模型遵循编码器-解码器结构并在全局使用通道剪枝增加补全效率；
3.根据权利要求2所述的一种结合通道剪枝和通道注意力的轻量型点云补全方法，其特征在于，所述编码器对输入点云在全局特征提取的基础上嵌入一维通道注意力模块，在网络全局使用基于L1范数的一次性通道剪枝，L1范数表示向量x中非零元素的绝对值之和，具体定义如下式所示：
4.根据权利要求2所述的一种结合...
【技术特征摘要】
1.一种结合通道剪枝和通道注意力的轻量型点云补全方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种结合通道剪枝和通道注意力的轻量型点云补全方法，其特征在于，所述步骤2中网络模型遵循编码器-解码器结构并在全局使用通道剪枝增加补全效率；
3.根据权利要求2所述的一种结合通道剪枝和通道注意力的轻量型点云补全方法，其特征在于，所述编码器对输入点云在全局特征提取的基础上嵌入一维通道注意力模块，在网络全局使用基于l1范数的一次性通道剪枝，l1范数表示向量x中非零元素的绝对值之和，具体定义如下式所示：
4.根据权利要求2所述的一种结合通道剪枝和通道注意力的轻量型点云补全方法，其特征在于，所述步骤2中一维通道注意力模块具体为：将输入的点云表示为m×3的矩阵p，将p输入到注意力模块中，生成一个特征映射来加强通道的权重，其中m表示输入点云的个数，3表示每个点的x，y，z坐标，具体定义如下式所示：
5.根据权利要求2所述的一种结合通道剪枝和通道注意力的轻量型点云补全方法，其特征在于，所述编码器对输入点云在全局特征提取的基础上嵌入一维通道注意力模块，编码器利用一维通道注意力模块对输入点云进行特征提取，具体过程为：在两层叠加pointnet层中嵌入一维通道注意力模块提取输入点云的几何信息...
【专利技术属性】
技术研发人员：杨晓文，庞敏，冯泊栋，韩慧妍，张元，韩燮，贾彩琴，焦世超，赵融，
申请(专利权)人：中北大学，
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。