[发明专利]点云数据的选取方法及选取装置、设备、存储介质

说明书

本发明提供了一种点云数据的选取方法、装置、设备、存储介质，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点云数据进行点云实例分割，获得多个分割实例；将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；根据平面空间中的多个分割实例以及选定区域获得每一个分割实例的属性；利用训练好的预测网络并基于每一个分割实例的属性预测每一个分割实例被选中的概率；根据每一个分割实例被选中的概率获得目标点云数据。本发明先进行实例分割获得每个点的类别，再结合选定区域获得每个分割实例的预测属性，有效提升了点云选取的精确性，且对点云数据的场景没有要求，具有很好的鲁棒性。

技术领域

本发明涉及点云数据处理技术领域，尤其涉及一种点云数据的选取方法及选取装置、设备、存储介质。

背景技术

随着计算机视觉领域的不断发展，无人驾驶、机器人等各行业对理解三维世界的要求逐渐变高，因此，对三维数据的探索性分析和可视化将会变得越来越重要。三维数据的表示形式主要有点云、体素和网格，其中，点云是用点的集合来表示三维数据，点云一般可由激光雷达等设备直接获取，其相对于其它表现形式具有占用资源小、精度高、可由设备直接获取等优点，从而使得点云成为三维数据的主要表示形式。对于复杂的点云数据，可视化点云往往是人们理解和分析它的第一步，而选择操作更是可视化点云的基本任务。目前，点云选择通常是先对点云进行密度上的聚类，将点云自动分成几类，然后，将这几类点云投影到二维平面中，将与用户选择的区域的重叠区域面积最大的类中的点云作为选取的点，由于点云在很多情况下并不具有均匀的密度，因此该方法具有较大的场景局限性且准确度也不够高。

发明内容

为了解决现有技术的不足，本发明提供一种点云数据的选取方法及选取装置、设备、存储介质，能够有效提升点云选取的精确性且鲁棒性很好。

本发明提出的具体技术方案为：提供一种点云数据的选取方法，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；

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。

进一步地，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。

进一步地，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；