[发明专利]点云数据的处理方法、神经网络的训练方法以及相关设备

说明书

本申请实施例公开一种点云数据的处理方法、神经网络的训练方法以及相关设备，该方法可用于人工智能领域的点云数据的处理领域中。方法可以包括：获取与目标环境对应的点云数据，点云数据被划分为多个目标立方体；根据每个目标立方体内的目标点的初始信息，生成每个目标立方体的初始特征；根据注意力机制对多个目标立方体的初始特征进行更新，得到多个目标立方体的更新后的特征；对多个目标立方体的更新后的特征执行特征处理操作，得到与点云数据对应的预测结果。减少了整个点云数据的处理过程中消耗的计算机资源，有利于聚焦于点云数据所携带的重要信息，以提高输出的预测结果的准确度。

技术领域

本申请涉及人工智能领域，尤其涉及一种点云数据的处理方法、神经网络的训练方法以及相关设备。

背景技术

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

利用模型对与车辆周围环境对应的点云数据进行目标检测是自动驾驶领域的一种常见的处理方式。具体的，从点云数据中采样得到多个目标关键点，获取与目标关键点距离小于采样半径的多个点的特征，根据与目标关键点距离小于采样半径的多个点的特征对目标关键点的特征进行更新，得到每个目标关键点的更新后特征，根据每个目标关键点的更新后特征进行目标检测，得到与点云数据对应的预测结果。

但由于需要对全部点云进行采样以确定目标关键点，当点云数量较多时，整个点云数据的处理过程会消耗大量的计算机资源。

发明内容

本申请实施例提供了一种点云数据的处理方法、神经网络的训练方法以及相关设备，基于多个目标立方体的特征执行目标检测操作，且根据注意力机制生成第一立方体的更新后的特征，不仅减少了整个点云数据的处理过程中消耗的计算机资源，有利于聚焦于点云数据所携带的重要信息，以提高预测结果的准确度。

为解决上述技术问题，本申请实施例提供以下技术方案：

第一方面，本申请实施例提供一种点云数据的处理方法，可用于人工智能领域的点云数据的处理领域中。方法可以包括：执行设备获取与目标环境对应的点云数据，点云数据包括多个目标点的初始信息；将待处理点云数据输入目标模型，以通过目标模型将待处理点云数据划分为多个目标立方体，其中，每个目标立方体内存在S个目标点，S为大于或等于0的整数。执行设备根据每个目标立方体内的目标点的初始信息，通过目标模型生成每个目标立方体的初始特征，并根据注意力机制对多个目标立方体的初始特征进行更新，得到多个目标立方体的更新后的特征。执行设备根据多个目标立方体的更新后的特征，通过目标模型执行特征处理操作，得到与点云数据对应的预测结果，预测结果表征目标环境中至少一个物体的信息；进一步地，预测结果用于指示目标环境中至少一个物体的位置信息或类别信息。

本实现方式中，根据第一立方体内的目标点的初始信息，通过目标模型生成第一立方体的初始特征之后，还会根据第一立方体的初始特征，根据注意力机制生成第一立方体的更新后的特征，进而根据多个目标立方体的更新后的特征进行目标检测，有利于聚焦于点云数据所携带的重要信息，以提高预测结果的准确度。