【技术实现步骤摘要】
本申请涉及数据处理，具体而言，涉及一种基于局部特征的点云数据处理方法、装置、介质及设备。
技术介绍
1、3d点云是一种重要的数据表示方式，适用于场景理解和建模等任务。点云数据通常是不规则和无序的，随着深度学习的发展，常采用神经网络处理和分析点云数据，以更好地理解三维目标，其中，神经网络的一个核心点是点云数据的局部特征聚合。在目前的技术方案中，常用的局部特征聚合方法在整合过程中明确地建模了相对坐标，需要将原始坐标映射到内部表示，并将此空间信息与每个聚合中的点特征融合，如此将会使计算复杂化，且在相对坐标以简化的形式被纳入时，将会影响神经网络的表达能力。由此，如何将空间关系的显式建模与局部特征聚合进行解耦，减少点云数据处理过程中的计算量，保证点云数据处理结果的有效性成为了亟待解决的技术问题。
技术实现思路
1、本申请的实施例提供了一种基于局部特征的点云数据处理方法、装置、介质及设备，进而至少在一定程度上可以将空间关系的显式建模与局部特征聚合进行解耦，减少点云数据处理过程中的计算量，保证点云数据处理结果的有效性。
2、本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
3、根据本申请实施例的一个方面，提供了一种基于局部特征的点云数据处理方法，包括：
4、获取待处理点云数据；
5、将所述待处理点云数据输入至预先构建的特征提取模型中，所述特征提取模型包括依次连接的若干特征提取模块，每一所述特征提取模块的输入在分别
6、根据数据处理类别标识，采用与所述数据处理类别标识对应的数据处理网络对所述特征提取模块的输出特征进行数据处理，得到数据处理结果，所述数据处理类别标识用以表征点云数据处理目的。
7、根据本申请实施例的一个方面，提供了一种基于局部特征的点云数据处理装置，包括：
8、获取模块，用于获取待处理点云数据；
9、特征提取模块，用于将所述待处理点云数据输入至预先构建的特征提取模型中，所述特征提取模型包括依次连接的若干特征提取模块，每一所述特征提取模块的输入在分别经过局部特征传播块以及1*1卷积层后，将二者的输出进行逐元素加法运算，并将运算得到的特征输入至相连接的下采样层、空间编码层以及局部特征聚合块中，以得到各所述特征提取模块的输出特征；
10、处理模块，用于根据数据处理类别标识，采用与所述数据处理类别标识对应的数据处理网络对所述特征提取模块的输出特征进行数据处理，得到数据处理结果，所述数据处理类别标识用以表征点云数据处理目的。
11、根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的基于局部特征的点云数据处理方法。
12、根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的基于局部特征的点云数据处理方法。
13、根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中提供的基于局部特征的点云数据处理方法。
14、在本申请的一些实施例所提供的技术方案中，通过获取待处理点云数据，将该待处理点云数据输入至预先构建的特征提取模型中，该特征提取模型包括依次连接的若干特征提取模块，每一特征提取模块的输入在分别经过局部特征传播块以及1*1卷积层后，将二者的输出进行逐元素加法运算，并将运算得到的特征输入至相连接的下采样层、空间编码层以及局部特征聚合块中，从而得到各特征提取模块的输出特征，由此，在进行局部特征聚合时，可以将空间关系的显式建模与局部特征聚合进行解耦，减少点云数据处理过程中的计算量，提高处理效率，并保证点云数据处理结果的有效性。
15、并且，还可根据数据处理类别标识，采用与其对应的数据处理网络对特征提取模块的输出特征进行数据处理，得到数据处理结果，该数据处理类别标识用以表征点云数据处理目的，由此，根据不同的数据处理需求，例如点云分割或者分类，可以采用对应的数据处理网络进行相应处理，提高了上述特征提取模型的适用范围。
16、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种基于局部特征的点云数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述数据处理类别标识包括点云分类标识以及点云分割标识；
3.根据权利要求1或2所述的方法，其特征在于，所述局部特征聚合块包括局部特征传播块和多层感知机，所述局部特征聚合块的输入特征在经过局部特征传播块后，将该局部特征传播块的输出特征与输入特征进行逐元素加法运算，将运算得到的特征重复以上处理过程，再输入至所述多层感知机中，将所述多层感知机的输出特征与其输入特征进行逐元素加法运算后，得到所述局部特征聚合块的输出特征。
4.根据权利要求3所述的方法，其特征在于，所述局部特征传播块包括1*1卷积层、组卷积层、池化层以及归一化层，所述局部特征传播块的输入特征在依次经过1*1卷积层、组卷积层以及池化层后，将所述池化层的输出特征与该1*1卷积层的输出特征进行逐元素减法运算，再将运算得到的特征输入至归一化层后，将所述归一化层的输出特征作为所述局部特征传播块的输出特征。
5.一种基于局部特征的点云数据处理装置，其特征在于，包括：
6.根据
7.根据权利要求5或6所述的装置，其特征在于，所述局部特征聚合块包括局部特征传播块和多层感知机，所述局部特征聚合块的输入特征在经过局部特征传播块后，将该局部特征传播块的输出特征与输入特征进行逐元素加法运算，将运算得到的特征重复以上处理过程，再输入至所述多层感知机中，将所述多层感知机的输出特征与其输入特征进行逐元素加法运算后，得到所述局部特征聚合块的输出特征。
8.根据权利要求7所述的装置，其特征在于，所述局部特征传播块包括1*1卷积层、组卷积层、池化层以及归一化层，所述局部特征传播块的输入特征在依次经过1*1卷积层、组卷积层以及池化层后，将所述池化层的输出特征与该1*1卷积层的输出特征进行逐元素减法运算，再将运算得到的特征输入至归一化层后，将所述归一化层的输出特征作为所述局部特征传播块的输出特征。
9.一种计算机可读介质，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如权利要求1至4中任一项所述的基于局部特征的点云数据处理方法。
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于局部特征的点云数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述数据处理类别标识包括点云分类标识以及点云分割标识；
3.根据权利要求1或2所述的方法，其特征在于，所述局部特征聚合块包括局部特征传播块和多层感知机，所述局部特征聚合块的输入特征在经过局部特征传播块后，将该局部特征传播块的输出特征与输入特征进行逐元素加法运算，将运算得到的特征重复以上处理过程，再输入至所述多层感知机中，将所述多层感知机的输出特征与其输入特征进行逐元素加法运算后，得到所述局部特征聚合块的输出特征。
4.根据权利要求3所述的方法，其特征在于，所述局部特征传播块包括1*1卷积层、组卷积层、池化层以及归一化层，所述局部特征传播块的输入特征在依次经过1*1卷积层、组卷积层以及池化层后，将所述池化层的输出特征与该1*1卷积层的输出特征进行逐元素减法运算，再将运算得到的特征输入至归一化层后，将所述归一化层的输出特征作为所述局部特征传播块的输出特征。
5.一种基于局部特征的点云数据处理装置，其特征在于，包括：
6.根据权利要求5所述的装置，...
【专利技术属性】
技术研发人员：臧彧，林晨露，陈斌杰，刘伟权，王程，李军，
申请(专利权)人：厦门大学，
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。