[发明专利]一种基于双级别精细化特征的点云分割方法

权利要求书

1.一种基于双级别精细化特征的点云分割方法，其特征在于，包括以下步骤：点云数据处理，点云分割网络模型训练，点云数据测试，所述点云分割网络模型训练包括以下步骤:

S1：将点云数据进行下采样得到N个点；

S2：将S1中采样得到的N个点输入到点云编码模块进行编码，使其编码到高维特征空间；

S3：将S2中得到的高维特征空间的点云输入到基于点的精细化特征提取模块，提取更加细化的点云几何特征；

S4：将S3中得到的细化的点云几何特征输入到特征传播模块，实现特征的上采样和回传，形成点簇；

S5：将S4中得到的点簇输入到基于簇的特征增强模块，增加点云语义特征信息，得到点云局部特征信息；

S6：将S5中得到的局部特征信息通过最大池化操作聚合得到全局特征信息；

S7：将S5中得到的局部特征信息、S6中得到的全局特征信息，和引入的一个one-hot特征向量进行拼接，并通过几个全连接层，输出点云分割的结果，然后重复性训练直至收敛得到训练好的点云分割模型。

2.根据权利要求1所述的一种基于双级别精细化特征的点云分割方法，其特征在于所述步骤S2中点云编码模块是利用多层感知机将点云编码到64维特征空间。

3.根据权利要求1所述的一种基于双级别精细化特征的点云分割方法，其特征在于所述步骤S3中基于点的精细化特征提取模块是利用一个轻量级的几何映射模块为每个点构建空间几何形状信息并利用多层感知机捕捉细化的点云特征。

4.根据权利要求1所述的一种基于双级别精细化特征的点云分割方法，其特征在于所述步骤S4中特征传播模块是通过上采样和插值的方法进行特征回传，得到点云局部特征。

5.根据权利要求1所述的一种基于双级别精细化特征的点云分割方法，其特征在于所述步骤S5中基于簇的特征增强模块是利用多个级联的Transformer的注意力层来学习点云之间的相互关系，增强点云语义特征信息。

6.根据权利要求1所述的一种基于双级别精细化特征的点云分割方法，其特征在于所述步骤S7中one-hot特征向量是16维的，并通过多层感知机将其编码到64维特征空间。