一种基于密度感知与特征增强的点云语义分割方法及模型技术

本发明专利技术涉及一种基于密度感知与特征增强的点云语义分割方法及模型，方法包括：首先，在输入点云中进行动态密度感知采样，根据语义特征距离分组；然后，多层次提取深层语义信息后进行相对位置信息的增强，强化不同区域的局部特征；最后，在解码器上采样中根据语义同质性指导恢复采样点，使用双向自注意力机制，对点和通道级语义特征进行融合。模型包括点云输入模块、下采样模块、交叉注意力模块、位置特征增强模块、上采样模块、点云输出模块及触发阈值判断模块。将本发明专利技术方法在公开数据集S3DIS与Scannet上进行测试，mIoU分别达到了73.0％与74.8％，相对基线模型分别提升了2.6％与4.2％，证明了本方法的有效性。

【技术实现步骤摘要】

本专利申请属于点云语义分割，更具体地说，是涉及一种基于密度感知与特征增强的点云语义分割方法及模型。

技术介绍

1、近年来，点云在环境感知、自动驾驶等领域发展迅速，从而引起研究者的广泛关注，然而，受传感器自身特性影响，点云具有稀疏和无序的特点，使得从点云中识别目标仍然存在挑战。与二维图像相比，点云在三维空间中整体地保留了物体的几何和拓扑结构，理解和分析三维数据的能力在计算机视觉和计算机图形学中变得越来越重要，用深度学习方法来分析三维物体的灵感来自于这些技术在二维图像和一维文本中的成功经验，三维点云语义分割通过对点云进行语义标记，实现对三维环境的准确理解和分析，从而解决物体识别、场景分析和决策等问题，以推动三维感知和应用的发展。

2、点云的语义分割过程为：先下采样，逐步提取特征，然后再上采样恢复点云，同时对点云按特征进行分割。因此在点云语义分割研究领域，下采样是处理点云的重要操作，通常一个点云场景包含几十万个点及其标签数据，但其中包含大量重复语义特征的冗余数据，下采样的目的是在避免丢失过多点云语义信息的同时，尽量缩小点云的规模，以提高处理点云的效率本文档来自技高网...

【技术保护点】

1.一种基于密度感知与特征增强的点云语义分割方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种基于密度感知与特征增强的点云语义分割方法，其特征在于：S1中，包括如下步骤

3.根据权利要求2所述的一种基于密度感知与特征增强的点云语义分割方法，其特征在于：S13中，为了提取细粒度特征，提出与GAM中A矩阵维度相同的A*矩阵，其余数学表达不变:

4.根据权利要求3所述的一种基于密度感知与特征增强的点云语义分割方法，其特征在于：步骤S2中，“相对位置信息的增强”通过交叉注意力机制来建立深层点和原始输入特征之间的联系，具体是指：p>

5.根据权...

【技术特征摘要】

1.一种基于密度感知与特征增强的点云语义分割方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种基于密度感知与特征增强的点云语义分割方法，其特征在于：s1中，包括如下步骤

3.根据权利要求2所述的一种基于密度感知与特征增强的点云语义分割方法，其特征在于：s13中，为了提取细粒度特征，提出与gam中a矩阵维度相同的a*矩阵，其余数学表达不变:

4.根据权利要求3所述的一种基于密度感知与特征增强的点云语义分割方法，其特征在于：步骤s2中，“相对位置信息的增强”通过交叉注意力机制来建立深层点和原始输入特征之间的联系，具体是指：

5.根据权利要求4所述的一种基于密度感知与特征增强的点云语义分割方法，其特征在于：s3中“使用双向自注意力机制，对点和通道级语义特征进行融合”是通过点级别的transformer与通道级别的...

【专利技术属性】
技术研发人员：鲁斌，封松飞，孙洋，杨烜，张泽林，陈娟，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：