一种基于点云密度信息的点云特征提取方法技术

本发明专利技术公开了一种基于点云密度信息的点云特征提取方法，通过利用高密度、低密度点云以及密度变化的趋势的特点设计特征提取网络，使得得到的点云特征带有形状倾向性和场景稳定性，可以适应3D弱监督检测条件下，缺乏精确标注框的指引的场景。该方法包括以下步骤：在密度下降阶段，利用差值Transformer进行局部邻域空间的位置编码和特征提取，并保存密度下降过程中的特征信息以及对应的密度变化趋势；在密度恢复阶段，根据保存的特征信息和密度变化趋势与原始的特征进行偏差注意力计算，将提取的最终特征连接相应的下游任务，得到最终的结果。

【技术实现步骤摘要】

本专利技术涉及一种基于点云密度信息的点云特征提取方法，主要用于3d目标检测领域，特别是弱监督3d目标检测领域。

技术介绍

1、3d目标检测是一种新兴出现的检测方法，主要利用先进的传感器设备如激光雷达和深度相机采集带有深度信息的输入，如点云或rgb-d图，以获取三维空间中物体的形状和位置信息。相比于2d目标检测中以图像为输入，3d目标检测中以点云为主要的输入形式，处理点云数据是3d目标检测的挑战之一。为了进行有效的3d检测模型构建，大规模标注公开数据集。大规模标注公开数据集为3d数据集提供了良好的铺垫和数据标注标准，通常情况下，一个良好的标注数据集会完全标注对象的三维边界框、语义标签和实例标识符，我们将这一标注成为完全标注或精准标注。精确标注三维数据是一项相当复杂的事，最少要包括三维物体的类别和中心，三维标注框的长、宽、高以及定位角度(翻滚角、俯仰角、偏航角)。即便一个经验丰富的标注人员使用专业的标注工具也需要平均消耗120秒甚至更多的时间来完成一个物体的标注工作。这相比于图像检测中标注二维检测框所平均消耗的5s时间极大地增加了成本。对于一个含有数个甚至十数本文档来自技高网...

【技术保护点】

1.一种基于点云密度信息的点云特征提取方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的点云特征提取方法，其特征在于，下降密度特征聚合模块为并联的两层：基于多层感知机MLP的特征提取层和基于减式Transformer的局部注意力聚合层；其中，由MLP特征提取层得到浅层特征F1，由局部注意力聚合层得到局部注意力特征F2，局部注意力聚合层可以被定义为：

3.根据权利要求1所述的点云特征提取方法，其特征在于，上升密度偏差特征提取模块为串联的两层：基于MLP的特征提取层和全局偏差注意力计算层；基于特征提取层得到深层特征F4，将F4输入后续的全局偏差注意力计算层，得...

【技术特征摘要】

1.一种基于点云密度信息的点云特征提取方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的点云特征提取方法，其特征在于，下降密度特征聚合模块为并联的两层：基于多层感知机mlp的特征提取层和基于减式transformer的局部注意力聚合层；其中，由mlp特征提取层得到浅层特征f1，由局部注意力聚合层得到局部注意力特征f2，局部注意力聚合层可以被定义为：

3.根据权利要求1所述的点云特征提取方法，其...

【专利技术属性】
技术研发人员：任柯燕，胡兆欣，杨贺雄，赵虎，王世豪，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：