基于Transformer的逐通道点云语义分割方法技术

本发明专利技术提供一种基于Transformer的逐通道点云语义分割方法，涉及三维点云语义分割技术领域。该方法根据Transformer的特征提取方法，设计出深度可分离边缘卷积后置模块中的位置自适应编码模块和空间上下文编码模块；前者在低级空间中引入多种特征关系，从而增强点云的局部几何学习；后者则通过计算空间相似性度量，在高级特征空间中对空间上下文关系进行编码，最后，本文提出了自适应融合策略，用于调整权重系数以实现深度可分离边缘卷积和空间上下文编码模块的输出结果，从而实现对三维点云数据的精准分割，与现有方法相比解决了普通卷积中卷积核无差别融合所有通道的不足，还简化了网络的计算复杂度，更有利于对复杂的点云语义信息进行特征提取。

【技术实现步骤摘要】

本专利技术属于三维点云语义分割，尤其涉及一种基于transformer的逐通道点云语义分割方法。

技术介绍

1、点云语义分割技术在近年来取得了巨大的进步，但其准确性仍是一个亟待解决的问题。三维点云是一种代表几何对象表面形状的数据结构，通常广泛应用于自动驾驶、医学影像和机器人等领域。与规则密集像素组成的二维图像不同，点云具有无序和非结构化的特性，因此获取点云的语义信息是一项具有挑战性的任务。

2、传统的基于深度学习的方法是将无结构的点云数据进行结构化表示。其中，传统方法之一，将点云进行体素化处理，以便利用三维离散卷积进行特征学习。然而，体素化处理将所有点等同看待，忽略了不同区域内点集的稀疏性，且随着体素分辨率的增加，三维离散卷积的计算和内存成本会呈指数级增长，因此，在语义分割或处理复杂场景时会显著增加计算复杂度。基于多视图的方法是将点云从多个视角投影到二维平面，再应用卷积神经网络在进行处理。然而，在投影过程中会造成点云信息丢失。

3、近年来，研究趋势转向直接处理点云数据而不引入任何中间表示。现代方法更趋向于直接处理点云数据，采用mlp本文档来自技高网...

【技术保护点】

1.一种基于Transformer的逐通道点云语义分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于Transformer的逐通道点云语义分割方法，其特征在于：

3.根据权利要求1所述的一种基于Transformer的逐通道点云语义分割方法，其特征在于：所述步骤2基于Transformer设计分割网络模型，包括以下步骤：

4.根据权利要求3所述的一种基于Transformer的逐通道点云语义分割方法，其特征在于：所述深度可分离卷积由两步卷积组成，分别为深度卷积和逐点卷积；

5.根据权利要求4所述的一种基于Transfor...

【技术特征摘要】

1.一种基于transformer的逐通道点云语义分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于transformer的逐通道点云语义分割方法，其特征在于：

3.根据权利要求1所述的一种基于transformer的逐通道点云语义分割方法，其特征在于：所述步骤2基于transformer设计分割网络模型，包括以下步骤：

4.根据权利...

【专利技术属性】
技术研发人员：陶志勇，高艳东，冯凯浩，杨尚斌，邓隆昊，白立春，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：