[发明专利]基于深度回归森林的三维点云头部姿态估计系统

权利要求书

1.基于深度回归森林的三维点云头部姿态估计系统，所述头部姿态包括俯仰角、偏航角和翻滚角，其特征在于：包括：

特征提取模块，用于对采样后的三维点云数据进行特征提取，并输出头部点云的全局特征；

深度回归森林模块，用于根据特征提取模块学习到的头部特征分别预测出俯仰角、偏航角和翻滚角，还用于计算损失函数；

参数更新模块，用于根据所述损失函数，对特征提取模块和深度回归森林模块进行网络参数更新；

所述特征提取模块包括：

第一多层感知器，用于对所述三维点云数据进行独立特征提取和维度转换，将每个输入点的表示维度由三维转换为1024维；

最大池化层，用于将第一多层感知器输出的特征进行融合处理，以得到全局特征；

第二多层感知器，包括对应俯仰角、偏航角和翻滚角的三个分支感知器，输入端均与最大池化层连接，用于对池化处理后的全局特征进行学习；所述三个分支感知器均包括三个顺次连接的全连接层，从池化处理后的全局特征中对点云的特性进行学习，将各个特征维度所关注的局部特征相关联；

三个软注意力子模块，分别位于三个分支感知器之前，用于使深度回归森林模块能够产生特定于某项任务的特征；在软注意力子模块内部通过学习特征维度对应的权重系数以提高姿态回归的性能；即在特征学习的同时，对特征维度的权重进行学习，二者做矩阵乘法后能够得到针对某一特定任务的特征，使各个分支达到更好的效果；

所述软注意力子模块包括第一卷积层L、第二卷积层M、全连接层N；软注意力子模块的输入为最大池化层输出的全局特征F，所述全局特征F依次经过第一卷积层L和第二卷积层M后进行归一化处理得到第一数据，所述全局特征F还经过全连接层N处理后得到第二数据，将第一数据和第二数据进行点乘后得到加权后的特定特征f，公式如下：

f＝N(F)⊙σ(M(L(F)))

式中，⊙表示按元素的乘法运算符，σ(·)表示归一化处理；

所述深度回归森林模块包括：

三个分支森林，分别对应于三个分支感知器的输出。

2.根据权利要求1所述的基于深度回归森林的三维点云头部姿态估计系统，其特征在于：所述第一多层感知层包括五个顺次连接的卷积层。