[发明专利]点云数据处理方法、装置、电子设备及存储介质在审
| 申请号: | 202210827052.0 | 申请日: | 2022-07-13 |
| 公开(公告)号: | CN115187665A | 公开(公告)日: | 2022-10-14 |
| 发明(设计)人: | 周昊冉;曹赟;储文青;朱俊伟;邰颖;汪铖杰 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
| 主分类号: | G06T7/73 | 分类号: | G06T7/73;G06V10/40;G06V10/774;G06V10/80;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司: | 北京市立方律师事务所 11330 | 代理人: | 张筱宁;张海秀 |
| 地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 数据处理 方法 装置 电子设备 存储 介质 | ||
1.一种点云数据处理方法,其特征在于,所述方法包括:
获取待补全的原始点云数据,所述原始点云数据包括多个初始点的三维坐标;
对所述原始点云数据进行特征提取,得到多个第一点的特征表示,每个所述第一点的特征表示包括该第一点的三维坐标和点特征;
根据各个第一点的三维坐标,从所述多个第一点中确定出每个第一点的第一数量的邻域点;
对于每个所述第一点,根据该第一点的特征表示和该第一点的每个邻域点的特征表示,确定该第一点与该第一点的每个邻域点之间的关联性,并根据该第一点的各个邻域点对应的关联性,将该第一点的各个邻域点的特征表示进行融合,得到该第一点对应的融合特征;
基于各个第一点对应的融合特征,得到多个第二点的第二特征表示;
基于所述多个第二点的特征表示,生成补全后的目标点云数据。
2.根据权利要求1所述的方法,其特征在于,每个所述第一点对应的融合特征是通过以下方式得到的:
对于每个所述第一点,将该第一点的点特征和三维坐标拼接,得到该第一点的第一特征;
对于每个第一点的每个邻域点,根据该第一点的第一特征和该邻域点的第一特征,确定该第一点与该邻域点之间的关联性;
对于每个所述第一点,将该第一点的各个邻域点对应的关联性作为权重,对该第一点的各个邻域点的第一特征进行加权融合,得到该第一点对应的融合特征。
3.根据权利要求2所述的方法,其特征在于,每个所述第一点与该第一点的邻域点之间的关联性、以及该第一点对应的融合特征,是采用基于通道注意力机制的至少一个第一注意力模块实现的;
其中,在所述第一注意力模块有至少两个时,每个所述第一点对应的融合特征是通过以下方式得到的:
对于每个第一点,将该第一点的第一特征作为查询向量,将该第一点的每个邻域点的第一特征分别作为键向量,通过每个所述第一注意力模块分别执行以下操作:
对于该第一点的每个邻域点,基于该第一点的第一特征和该邻域点的第一特征,确定该第一点和该邻域点之间的第一注意力权重,将所述第一注意力权重作为所述关联性;
采用该第一点的各个邻域点对应的第一注意力权重,对相应的各个邻域点的第一特征进行加权融合,得到该第一点对应的新特征;
其中,每个所述第一点对应的融合特征包括该第一点对应于各所述第一注意力模块的新特征;
所述基于各个第一点对应的融合特征,得到多个第二点的第二特征表示,包括:
将每个所述第一点对应于每个所述第一注意力模块的新特征分别作为一个第二点的点特征,基于多个第二点的点特征,生成各个第二点的三维坐标,其中,每个第二点的特征表示包括该第二点的三维坐标和点特征。
4.根据权利要求2或3所述的方法,其特征在于,还包括:
对于每个第一点,根据该第一点的三维坐标,生成该第一点的空间坐标特征;
对于每个第一点的每个邻域点,所述根据该第一点的第一特征和该邻域点的第一特征,确定该第一点与该邻域点之间的关联性,包括:
根据该第一点的第一特征、该邻域点的第一特征以及该邻域点的空间坐标特征,确定该第一点与该邻域点之间的关联性;
对于每个第一点,所述将该第一点的各个邻域点对应的关联性作为权重,对该第一点的各个邻域点的第一特征进行加权融合,得到该第一点对应的融合特征,包括:
对于该第一点的每个邻域点,基于该邻域点的第一特征和空间坐标特征进行特征提取,得到该邻域点的第二特征;
采用该第一点的各个邻域点对应的权重,对该第一点的各个邻域点的第二特征进行加权融合,得到该第一点对应的融合特征。
5.根据权利要求1所述的方法,其特征在于,所述基于所述多个第二点的特征表示,生成补全后的目标点云数据,包括:
基于所述多个第二点的特征表示,通过进行至少一次上采样处理,得到多个目标点的点特征,并根据所述多个目标点的点特征,得到多个目标点的三维坐标,所述目标点云数据包括所述多个目标点的三维坐标。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210827052.0/1.html,转载请声明来源钻瓜专利网。





