基于点云与鸟瞰图双向融合的三维点云分割方法及系统技术方案

本发明专利技术提供一种基于点云与鸟瞰图双向融合的三维点云分割方法及系统，属于三维场景环境感知技术领域，获取待分割的原始点云数据；利用预先训练好的分割模型对获取的原始点云数据进行处理，得到分割结果；其中，所述分割模型包括编码器模块、主干网络以及融合分割头。本发明专利技术提出点云与鸟瞰图的双向融合机制，通过点云与BEV特征在多个阶段的交互融合，提升了模型对局部与全局特征的表达能力，显著改善了语义边界模糊、小目标识别困难等问题，在分割精度上明显优于现有BEV方法。在结构设计上保持计算图轻量化，相较于体素方法和多表示融合方法，在参数量和推理速度方面具备显著优势，更好地兼顾精度与实时性，适用于自动驾驶等对效率要求极高的场景。

【技术实现步骤摘要】

本专利技术涉及三维场景环境感知，具体涉及一种基于点云与鸟瞰图双向融合的三维点云分割方法及系统。

技术介绍

1、三维点云分割是自动驾驶、机器人及其他安全关键应用中的核心任务，旨在提供点级别的精细语义理解，以感知周围环境。近年来，随着激光雷达与三维感知技术的快速发展，点云分割取得了显著进展。然而，在资源受限的实际驾驶场景中，实现高效且高精度的点云分割仍具挑战。因此，如何设计一种兼顾计算效率与准确性的三维点云分割系统，成为当前研究的重点方向。

2、现有三维点云分割方法主要基于以下几类数据表示方式展开。首先，基于原始点云的方法，如图1所示，其直接处理输入的点集数据，通过多层感知器(mlp)提取点的局部和全局特征。如pointnet及其变种randla-net等采用点独立特征提取与全局池化机制，并通过邻域查询和特征聚合进一步提升局部语义表达能力。该类方法通常保留点云的几何结构信息，具备较强的特征建模能力。但其特征提取依赖于计算复杂的邻域查询和图构建操作，在大规模场景下难以满足实时性需求。

3、其次，基于体素的方法，如图2所示，其将点云划分为等本文档来自技高网...

【技术保护点】

1.一种基于点云与鸟瞰图双向融合的三维点云分割方法，其特征在于，包括：

2.根据权利要求1所述的基于点云与鸟瞰图双向融合的三维点云分割方法，其特征在于，编码器模块中计算公式如下所示：

3.根据权利要求1所述的基于点云与鸟瞰图双向融合的三维点云分割方法，其特征在于，主干网络由多层二维残差卷积块与双向融合注意力模块交替堆叠组成，旨在实现多层次的点云与BEV特征融合；点云与BEV的初步融合表示首先输入主干网络，在每一层中，BEV特征先经过二维残差卷积块提取本层语义信息，随后与对应的点云特征共同输入至双向融合注意力模块中，实现点云与BEV的交互融合；</p>

4.根据...

【技术特征摘要】

1.一种基于点云与鸟瞰图双向融合的三维点云分割方法，其特征在于，包括：

2.根据权利要求1所述的基于点云与鸟瞰图双向融合的三维点云分割方法，其特征在于，编码器模块中计算公式如下所示：

3.根据权利要求1所述的基于点云与鸟瞰图双向融合的三维点云分割方法，其特征在于，主干网络由多层二维残差卷积块与双向融合注意力模块交替堆叠组成，旨在实现多层次的点云与bev特征融合；点云与bev的初步融合表示首先输入主干网络，在每一层中，bev特征先经过二维残差卷积块提取本层语义信息，随后与对应的点云特征共同输入至双向融合注意力模块中，实现点云与bev的交互融合；

4.根据权利要求1所述的基于点云与鸟瞰图双向融合的三维点云分割方法，其特征在于，融合分割头中，首先，将多尺度bev特征通过反投影操作映射至点云空间，并与对应的点云特征通过多层感知机进行对齐，随后采用加法操作融合两者，得到联合表征的融合特征；将融合特征与编码阶段的初始点云特征再次融合，增强点级特征的细节表达能力；融合后的点云特征通过一个线性层，直接为每个点生成语义预测结果，实现三维语义分割。

5.根据权利要求1所述的基于点云与鸟瞰图双向融合的三维点云分割方法，其特征在于，引入多个辅助bev分割头，并联合...

【专利技术属性】
技术研发人员：岑翼刚，陈雨磊，于可，黄彦森，王珂，武宁波，常娟娟，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：