[发明专利]一种融合上下文语义的点云语义分割方法

说明书

本发明公开了一种融合上下文语义的的点云语义分割方法。属于人工智能技术领域；具体操作步骤：利使用高层编码特征反馈机制增强低层编码特征，从而使高层语义特征在级联过程中获取高区分度，改善基础的点云语义分割结果；利用高层语义特征的局部上下文信息以自适应地调整每个点的语义特征，从而进一步的优化分割结果的细节信息。本发明设计合理，得到的点云语义分割模型具有分割精度高、噪声小的优点。

技术领域

本发明涉及人工智能技术领域，具体涉及一种融合上下文语义的点云语义分割方法。

背景技术

语义分割作为计算机视觉的一个重要分支，在工业界具有广阔的应用前景并得到迅速发展。随着深度传感器的出现，对于三维场景下的语义感知也得到了广泛关注。点云作为三维场景中最简单的数据形式，三维场景下点云语义分割在近年来得到了迅速发展。现有的点云语义分割方法大都遵循对称的编码-解码结构，其中编码器通过对点进行降采样以及局部特征学习以不断扩大点的局部特征感受野；解码器通过近邻点插值的方法逐步恢复点云的分辨率，这一操作使得解码器的插值特征不具备区分性，因此会通过将编码器与解码器相对称的层特征进行简单级联以增加高层语义特征的区分度。这种方法忽略了编码特征与解码特征之间的语义差异，最低层的编码特征直接来源于点云的坐标信息，具有高度的空间相似性；而最高层的解码特征经过大量的非线性变换，具有丰富的语义相似性，这两者是互补的，因此直接融合这两者特征会使得高层语义特征具有一定的空间特性，这对语义分割性能产生一定的影响。此外，现有的点云语义分割方法在预测每个点的语义类别时都采用多层感知机对每个点独立地处理，这一操作会使得每个点忽略其周围的局部信息，使得最终的分割结果存在局部不一致性。

发明内容

针对上述问题，本发明提供了一种融合上下文语义的点云语义分割方法，该方法能够为高层语义特征提供高度可区分的语义相似性，使得点云语义分割算法的分割精度获得一定的提升，具有更好的局部一致性，从而更好的应用到自动驾驶、机器人等领域中。

本发明的技术方案是：一种融合上下文语义的的点云语义分割方法，具体操作步骤如下：

步骤(1.1)、使用高层编码特征反馈机制增强低层编码特征，从而使高层语义特征在级联过程中获取高区分度，改善基础的点云语义分割结果；

步骤(1.2)、利用高层语义特征的局部上下文信息以自适应地调整每个点的语义特征，从而进一步的优化分割结果的细节信息。

进一步的，在步骤(1.1)中，所述的高层编码特征反馈机制具体是：将高层编码特征以注意力图的形式与低层编码特征进行融合，指导低层编码特征的学习，增强其语义信息，使其为高层解码特征提供语义指导。

进一步的，在步骤(1.1)中，为使高层编码特征进行信息的反馈，确保该高层编码特征与低层编码特征具有相同的分辨率，其具体操作步骤如下：

首先，通过一层非线性变换对X₂进行特征映射，使其与X₁具有相同的特征维度；如下式所示：

其中，X₂表示高层编码特征值，MLP(·)表示特征映射，X₂表示对X₂进行特征映射后得到的值；

其次，通过上采样操作获取高层编码特征的反馈值，如下式所示：

其中，表示该反馈机制得到的反馈值，Upsampling(·)表示上采样操作；

再次，将获取的反馈值以注意力图的形式与低层编码特征进行融合，该融合过程如下式所示：