[发明专利]一种对抗性点云生成方法、存储介质和终端

说明书

本发明公开了一种对抗性点云生成方法、存储介质和终端，方法包括以下步骤：破坏输入点云的拓扑结构，生成对抗点云。本发明采用的是通过改变破坏输入点云的拓扑结构，进而在点云表面形成孔空洞，生成对抗点云；有选择性的对点云拓扑结构进行破坏，丢弃掉点云的关键拓扑，会大大降低模型的识别准确率，误导模型输出错误的结果；该方法在降低模型识别准确率方面优于已有的对抗性攻击。

技术领域

本发明涉及对抗点云生成领域，尤其涉及一种对抗性点云生成方法、存储介质和终端。

背景技术

点云是一种重要的三维数据表示形式，可以直接从三维采集设备获取。近年来，深度神经网络(DNNs)被成功地应用于点云数据处理，其中最流行的是PointNet及其变体PointNet++。它们以端到端的方式从原始点云中提取特征，并已应用于分类、分割、检测和跟踪场景中，取得了较好的性能。最近的研究发现，DNN很容易受到对抗攻击，通过对原始数据进行难以察觉的修改，可以误导深层网络。现有的欺骗攻击算法主要集中在2D攻击领域。最近的研究发现，三维点云识别模型对对抗样本也很敏感。Xiang等人，首次提出了一种针对3D深度模型生成对抗性样本的方法，该方法通过对原始点云进行点扰动或添加点来生成、对抗性点云。Tu等人提出了一种物理上可实现的对LiDAR探测器的攻击方法，该方法是通过在车顶上放置对抗性物体来实现的。Zheng等人提出了一种基于丢点的攻击方法，该方法通过构建显著图并从临界子集中随机丢点来实现。Zhou等人设计了一种端到端的生成网络LG-GAN，该网络通过标签引导进行训练，实现了灵活的定向攻击。这些方法为评估现有的由原始点云经过不同变换发展而来的深度3D模型的稳健性提供了一种有效的方法。然而，现有的对抗性攻击方法忽略了点云的拓扑结构。

发明内容

本发明的目的在于克服现有技术的不足，提供一种对抗性点云生成方法、存储介质和终端。

本发明的目的是通过以下技术方案来实现的：

本发明的第一方面，提供一种对抗性点云生成方法，包括以下步骤：

破坏输入点云的拓扑结构，生成对抗点云。

进一步地，所述破坏输入点云的拓扑结构，生成对抗点云，包括：

获取输入点云的邻接矩阵和辅助点云；

选择邻接矩阵中至少一个被选中的概率较高的选择点，以所述选择点及选择点的邻接点为局部拓扑，在所述输入点云上丢弃所述局部拓扑，生成对抗点云。

进一步地，所述获取输入点云的邻接矩阵和辅助点云，包括：

提取所述输入点云的代表几何信息的全局特征；

将所述全局特征转换为能够反映点之间邻接关系的初始邻接矩阵；

将初始邻接矩阵与输入点云的几何信息相结合，进行二维到三维的映射，进而得到所述输入点云的邻接矩阵；

利用所述初始邻接矩阵生成辅助点云。

进一步地，所述获取输入点云的邻接矩阵和辅助点云，还包括：

计算所述输入点云的邻接矩阵及其转置的平均值，得到最终的邻接矩阵。

进一步地，所述邻接矩阵中至少一个被选中的概率较高的选择点，包括：

将输入点云的邻接矩阵、辅助点云、全局特征输入至小网络，得到一向量，所述向量的每个值代表对应点被选中的概率；

选择至少一个被选中的概率较高的选择点。

进一步地，所述以所述选择点及选择点的邻接点为局部拓扑，包括：

通过邻接矩阵找到所选择的点及其最近的若干个邻接点，形成局部拓扑。

进一步地，所述方法还包括：