[发明专利]点云数据的选取方法及选取装置、设备、存储介质

权利要求书

1.一种点云数据的选取方法，其特征在于，所述选取方法包括：

获取点云数据；

利用训练好的基于自注意力机制的神经网络对所述点云数据进行点云实例分割，获得三维空间中的多个分割实例；

将所述三维空间中的多个分割实例转换为平面空间中的多个分割实例；

获取目标用户在平面空间中的选定区域；

根据所述平面空间中的多个分割实例以及所述选定区域获得三维空间中的每一个分割实例的属性，具体包括：计算平面空间中的每一个分割实例的面积，获得三维空间中的每一个分割实例的面积属性；计算平面空间中的每一个分割实例与所述选定区域的重叠面积占所述平面空间中的分割实例的面积的百分比，获得三维空间中的每一个分割实例的百分比属性；计算平面空间中的每一个分割实例对应的三维空间中的分割实例的几何中心到平面空间的距离，获得三维空间中的每一个分割实例的距离属性；

利用训练好的预测网络并基于三维空间中的每一个分割实例的面积属性、百分比属性、距离属性预测三维空间中的每一个分割实例被选中的概率；

根据三维空间中的每一个分割实例被选中的概率获得需要选取的目标点云数据。

2.根据权利要求1所述的选取方法，其特征在于，利用训练好的基于自注意力机制的神经网络对所述点云数据进行点云实例分割，获得三维空间中的多个分割实例，包括：

利用依次级联的多个第一自注意力特征提取模块对所述点云数据进行编码，获得第一自注意力特征；

利用依次级联的多个第二自注意力特征提取模块对所述第一自注意力特征进行解码，获得第二自注意力特征；

通过第一全连接层对所述第二自注意力特征进行分类，获得三维空间中的多个分割实例。

3.根据权利要求2所述的选取方法，其特征在于，利用依次级联的多个第一自注意力特征提取模块对所述点云数据进行编码，获得第一自注意力特征，包括：

从依次级联的多个第一自注意力特征提取模块中的第一个第一注意力特征提取模块开始：

将点云数据作为第一个第一注意力特征提取模块的输入数据，分别利用第一线性变换层、第二线性变换层对输入数据进行线性变换；

利用第二全连接层对输入数据进行全连接；

将第一线性变换层的输出与第二全连接层的输出相加后利用第三全连接层进行全连接；

将第二线性变换层的输出与第二全连接层的输出相加后利用第四全连接层进行全连接；

将第三全连接层的输出与第四全连接层的输出拼接后作为下一个第一注意力特征提取模块的输入数据，重复执行编码，直到最后一个第一注意力特征提取模块，将最后一个第一注意力特征提取模块的输出作为第一自注意力特征。

4.根据权利要求2所述的选取方法，其特征在于，利用依次级联的多个第二自注意力特征提取模块对所述第一自注意力特征进行解码，获得第二自注意力特征，包括：

从依次级联的多个第二自注意力特征提取模块中的第一个第二注意力特征提取模块开始：

将第一自注意力特征作为第一个第二注意力特征提取模块的输入数据，分别利用第三线性变换层、第四线性变换层对输入数据进行线性变换；

利用第五全连接层对输入数据进行全连接；

将第三线性变换层的输出与第五全连接层的输出相加后利用第六全连接层进行全连接；

将第四线性变换层的输出与第五全连接层的输出相加后利用第七全连接层进行全连接；

将第六全连接层的输出与第七全连接层的输出拼接后作为下一个第二注意力特征提取模块的输入数据，重复执行解码，直到最后一个第二注意力特征提取模块，将最后一个第二注意力特征提取模块的输出作为第二自注意力特征；

其中，从第二个第二自注意力特征提取模块开始，将第六全连接层的输出与第七全连接层的输出拼接后作为下一个第二注意力特征提取模块的输入数据包括：

将所述第二自注意力特征提取模块对应的第一自注意力特征提取模块的输出利用第五线性变换层进行线性变换；

将第五线性变换层、第六全连接层的输出、第七全连接层的输出拼接后作为下一个第二注意力特征提取模块的输入数据。