欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025107143659
申请人: 南昌大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种弱监督点云语义分割方法,其特征在于,包括以下步骤:接收输入点云数据;

对所述输入点云数据进行编码器处理,所述编码器包含多个下采样阶段,每个下采样阶段包括点采样、构建邻域、特征提取和聚合,其中特征提取和聚合利用包含注意力机制的Transformer块;

在所述编码器处理中,应用一种点中心注意力机制,所述点中心注意力机制包括:执行第一次特征嵌入过程,从相邻点中提取全局特征,所述全局特征的提取通过与所述相邻点所在邻域的中心权值关联来区分不同邻域的特征;以及,执行第二次特征嵌入过程,基于所述第一次特征嵌入过程提取的全局特征,将中心点特征共享至所述相邻点;

在所述编码器处理中,生成局部点云区域的高维语义位置编码;以及,将所述高维语义位置编码融入所述点中心注意力机制的计算中;

在所述编码器处理中,应用特征仿射变换模块,对所述局部点云区域的特征进行自适应校正;

对所述编码器处理后的特征进行解码器处理,以获得密集输出的语义分割标签。

2.根据权利要求1所述的方法,其特征在于,所述第一次特征嵌入过程具体包括:使用一个一维线性层计算中心点的中心权值,所述中心点特征的维度为C,所述中心权值的维度为1;

利用K近邻对所述中心点探索相邻点;

对于所述中心点的一个邻域中的所述相邻点,根据所属的、跨越多个邻域中的顺序位置,聚合所述相邻点的特征以计算得到所述全局特征;以及,通过一个归一化指数函数对所述全局特征进行归一化,获得用于所述第二次特征嵌入过程的、邻域特定的相邻点权重。

3.根据权利要求1或2所述的方法,其特征在于,所述第二次特征嵌入过程具体包括:将所述第一次特征嵌入过程提取的全局特征作为所述相邻点的权重;以及,将所述中心点特征与所述全局特征执行矩阵乘法,以生成所述中心点特征共享至所述相邻点的表示。

4.根据权利要求1所述的方法,其特征在于,所述生成高维语义位置编码包括:对于所述局部点云区域中的一个相邻点相对于一个中心点,确定所述相邻点相对于所述中心点的相对XYZ坐标;

确定所述相邻点到所述中心点的欧氏距离;

确定连接所述中心点和所述相邻点的连线与XOY平面所形成的方向角ρxy;

确定连接所述中心点和所述相邻点的连线与XOZ平面所形成的方向角ρxz;

确定连接所述中心点和所述相邻点的连线与YOZ平面所形成的方向角ρyz;以及,将所述相对XYZ坐标、所述欧氏距离和上述三个方向角组合形成所述高维语义位置编码。

5.根据权利要求4所述的方法,其特征在于,所述高维语义位置编码包含7个维度,包括3个相对XYZ坐标维度,1个欧氏距离维度,以及3个方向角维度。

6.根据权利要求1或4所述的方法,其特征在于,所述将所述高维语义位置编码融入所述注意力机制的计算中包括:使用一个线性层对所述第一次特征嵌入过程提取的全局特征进行变换;

将变换后的全局特征、所述第二次特征嵌入过程生成的表示以及所述高维语义位置编码进行组合,以计算得到原始注意力得分;以及,通过归一化指数函数对所述原始注意力得分进行归一化,计算得到所述点中心注意力机制的最终注意力权值。

7.根据权利要求1所述的方法,其特征在于,所述应用特征仿射变换模块具体包括:计算所述局部点云区域的高维语义质心,所述高维语义质心基于区域内的点特征和所述高维语义位置编码;

计算所述局部点云区域内的特征方差;

基于所述高维语义质心和所述特征方差,使用维度为2D的可学习参数对所述局部点云区域内的点特征进行仿射变换;以及,将仿射变换后的特征与所述中心点特征进行级联,以生成局部特征。

8.一种弱监督点云语义分割系统,其特征在于,包括:输入模块,用于接收输入点云数据;

处理模块,用于对所述输入点云数据进行编码器处理和解码器处理;

所述处理模块包括编码器单元和解码器单元;

所述编码器单元配置为执行多个下采样阶段,每个下采样阶段包括点采样、构建邻域、特征提取和聚合,其中特征提取和聚合利用包含注意力机制的Transformer块;

所述编码器单元包括:

点中心注意力子单元,配置为应用一种点中心注意力机制,所述点中心注意力机制包括:执行第一次特征嵌入过程,从相邻点中提取全局特征,所述全局特征的提取通过与所述相邻点所在邻域的中心权值关联来区分不同邻域的特征;以及,执行第二次特征嵌入过程,基于所述第一次特征嵌入过程提取的全局特征,将中心点特征共享至所述相邻点;

位置编码子单元,配置为生成局部点云区域的高维语义位置编码;以及,将所述高维语义位置编码融入所述注意力机制的计算中;

特征仿射变换子单元,配置为应用特征仿射变换模块,对所述局部点云区域的特征进行自适应校正;

所述解码器单元配置为对所述编码器处理后的特征进行解码器处理,以获得密集输出的语义分割标签;

输出模块,用于输出所述语义分割标签。

9.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时,实现如权利要求1-7任一项所述的一种弱监督点云语义分割方法的步骤。

10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时,实现如权利要求1-7任一项所述的一种弱监督点云语义分割方法的步骤。