【技术实现步骤摘要】
本专利技术属于点云分析方法领域，具体涉及一种基于双几何学习和自适应稀疏注意力的点云分析方法。
技术介绍
1、近年来随着各种3d采集技术的快速发展，点云已经广泛应用于多个领域，包括自动驾驶、机器人导航、3d场景理解等。然而不同于图像，点云本质上是三维空间中点的集合，表现出稀疏、无序和不规则的内在属性，这使得很难直接使用强大的卷积神经网络来处理点云。为了解决这个问题，一些方法会通过数据预处理的方式先将点云转换成诸如体素网格和多视角图像的规则数据格式，然后再使用卷积神经网络提取特征。但这些方法由于数据格式的转换会导致几何信息的丢失，同时带来额外的计算负担，为此最近的研究关注于直接处理点云的算法。这类方法直接以原始点云作为输入，通过构建每个中心点的邻域，建立点对之间的几何和语义关系，并应用多层感知机和池化函数等来提取点的局部特征。此外，为了捕获点云间的长距离依赖关系，一些方法采用自注意力结构来获取全局信息，但这类方法通常需要较高的计算复杂度和计算资源，限制了其在实际场景中的应用。因此目前实现有效且高效的点云分析算法以应用于诸如分类和分割等下游任...
【技术保护点】
1.一种基于双几何学习和自适应稀疏注意力的点云分析方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于双几何学习和自适应稀疏注意力的点云分析方法，其特征在于，所述步骤2包括：
3.根据权利要求2所述的一种基于双几何学习和自适应稀疏注意力的点云分析方法，其特征在于，所述步骤3包括：
4.根据权利要求3所述的一种基于双几何学习和自适应稀疏注意力的点云分析方法，其特征在于，所述步骤4包括：
【技术特征摘要】
1.一种基于双几何学习和自适应稀疏注意力的点云分析方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于双几何学习和自适应稀疏注意力的点云分析方法，其特征在于，所述步骤2包括：
...
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。