[发明专利]基于点云分割的特征提取方法、装置和计算机设备

权利要求书

1.一种基于点云分割的特征提取方法，其特征在于，所述方法包括：

获取待分割点云在预设网格尺度下各点的感知特征，对所述感知特征进行多尺度增强处理，获取混合感知特征；

对所述混合感知特征进行双重特征迭代处理，获取双重特征迭代处理后的点特征；

对所述混合感知特征和所述双重特征迭代处理后的点特征进行融合处理，获取融合后的点特征。

2.根据权利要求1所述的方法，其特征在于，所述对所述感知特征进行多尺度增强处理，获取混合感知特征包括：

基于预设的多层感知器对所述感知特征进行处理，获取多层感知处理后的感知特征；

基于预设的分散算子对多层感知处理后的感知特征进行分散处理，获取分散后的感知特征；

基于预设的聚集算子对分散后的感知特征进行聚集处理，获取聚集后的感知特征；

对多层感知处理后的感知特征和聚集后的感知特征进行张量级联处理，获取张量级联后的感知特征；

基于张量级联后的感知特征生成所述混合感知特征。

3.根据权利要求1所述的方法，其特征在于，所述对所述混合感知特征进行双重特征迭代处理，获取双重特征迭代处理后的点特征包括：

基于预设的多尺度池化层对所述混合感知特征进行多尺度池化处理，获取第一点特征；

基于预设的分散算子对所述第一点特征进行分散处理，获取分散体素特征；

对所述分散体素特征进行点特征提取，获取第二点特征，将所述第二点特征输出为所述双重特征迭代处理后的点特征。

4.根据权利要求3所述的方法，其特征在于，所述对所述分散体素特征进行点特征提取，获取第二点特征，将所述第二点特征输出为所述双重特征迭代处理后的点特征，之后还包括：

判断所述第二点特征是否满足预设条件；

当所述第二点特征满足预设条件，将所述第二点特征输出为所述双重特征迭代处理后的点特征；

当所述第二点特征不满足预设条件，对所述第二点特征依次进行多尺度池化处理、分散处理以及点特征提取，获取第三点特征，将所述第二点特征和所述第三点特征输出为所述双重特征迭代处理后的点特征。

5.根据权利要求1所述的方法，其特征在于，所述对所述混合感知特征和所述双重特征迭代处理后的点特征进行融合处理，获取融合后的点特征包括：

对所述混合感知特征和所述双重特征迭代处理后获取的点特征进行张量级联处理，获取张量级联处理后的点特征；

基于预设的多层感知器对所述张量级联处理后的点特征进行处理，获取融合后的点特征。

6.根据权利要求3所述的方法，其特征在于，所述基于预设的多尺度池化层对所述混合感知特征进行多尺度池化处理，获取第一点特征包括：

基于预设的分散算子对所述混合感知特征进行分散处理，获取分散处理后的混合感知特征；

基于预设的聚集算子对分散处理后的混合感知特征进行聚集处理，获取聚集处理后的混合感知特征；

对聚集处理后的混合感知特征和所述混合感知特征进行张量级联处理，获取张量级联处理后的混合感知特征；

基于多层感知器对张量级联处理后的混合感知特征进行处理，获取第一点特征。

7.根据权利要求3所述的方法，其特征在于，所述基于预设的分散算子对所述第一点特征进行分散处理，获取分散体素特征包括：

计算所述第一点特征与预设的可学习权重矩阵的权重积；

基于预设的分散算子对所述权重积进行分散处理，获取分散处理的结果作为分散体素特征。

8.根据权利要求3所述的方法，其特征在于，所述对所述分散体素特征进行点特征提取，获取第二点特征包括：

基于预设的稀疏残差网络对所述分散体素特征进行处理，获取高维分散体素特征；

基于所述高维分散体素特征与预设的几何权重获取所述第二点特征；所述几何权重是所述可学习权重矩阵与所述混合感知特征的积。