[发明专利]基于注意力机制的点云语义分割方法、装置、设备及介质

说明书

本申请提供一种基于注意力机制的点云语义分割方法、装置、设备及介质，该方法包括：获取点云数据，并通过第一MLP层提取点云数据中每个点的特征；采用预设数量的编码层对点云数据进行降采样，得到每层编码层对应的中间特征映射；采用预设数量的解码层对中间特征映射进行上采样，得到每层解码层对应的上采样特征映射；将上采样特征映射和相应编码层生成的中间特征映射连接起来进行汇总，得到汇总后特征映射；采用第二MLP层将汇总后特征映射到最终的结果中。该方案可以保证采样的有效性，也可以提高采样的速率。

技术领域

本发明属于优化调度技术领域，特别涉及一种基于注意力机制的点云语义分割方法、装置、设备及介质。

背景技术

场景语义分割在无人驾驶等领域有着很重要的应用价值，如路径规划，自主导航等等。而现存的3D点云分割方法对小规模的3D点云有好的分割效果，但是对较大规模点云(例如百万级别)的分割效果还有很大的进步空间。对于大场景点云进行更为高效的分割对无人驾驶领域的发展有着重要的意义。

由于大规模点云数据量大，处理起来相对小规模点云较为复杂，对硬件要求比较高。用于小规模点云降采样处理的最远处取样对于大规模点云而言不太适合，对点云的分割速率较慢。

发明内容

本说明书实施例的目的是提供一种基于注意力机制的点云语义分割方法、装置、设备及介质。

为解决上述技术问题，本申请实施例通过以下方式实现的：

第一方面，本申请提供一种基于注意力机制的点云语义分割方法，该方法包括：

获取点云数据，并通过第一MLP层提取点云数据中每个点的特征；

采用预设数量的编码层对点云数据进行降采样，得到每层编码层对应的中间特征映射；编码层包括第一KNN局部特征提取模块、第一残差注意力模块和随机降采样模块；

采用预设数量的解码层对中间特征映射进行上采样，得到每层解码层对应的上采样特征映射；解码层包括第二KNN局部特征提取模块、第二残差注意力模块和上采样模块；

将上采样特征映射和相应编码层生成的中间特征映射连接起来进行汇总，得到汇总后特征映射；

采用第二MLP层将汇总后特征映射到最终的结果中。

在其中一个实施例中，每层编码层对点云数据进行降采样，得到每层编码层对应的中间特征映射，包括：

通过第一KNN局部特征提取模块，得到第一增强特征向量；

将第一增强特征向量传递给第一残差注意力模块，得到第一残差特征向量；

通过随机降采样模块对第一残差特征向量进行随机降采样，得到中间特征映射。

在其中一个实施例中，通过第一KNN局部特征提取模块，得到第一增强特征向量，包括：

通过第一KNN局部特征提取模块采集第一查询点的K个邻近点；

对K个邻近点进行位置编码；

将K个位置编码及对应的K个邻近点特征串联，得到对应的第一增强特征向量。

在其中一个实施例中，将第一增强特征向量传递给第一残差注意力模块，得到第一残差特征向量，包括：

将第一增强特征向量传递给第一残差注意力模块，进行聚集相邻点的特征，得到聚合特征向量；

将第一增强特征向量与聚合特征向量相减，得到第一残差特征向量。

在其中一个实施例中，每层解码层对中间特征映射进行上采样，得到每层解码层对应的上采样特征映射，包括：

通过第二KNN局部特征提取模块，得到第二增强特征向量；