[发明专利]基于通道注意力的点云识别方法及系统

权利要求书

1.一种基于通道注意力的点云识别方法，其特征在于，包括如下步骤：

输入点云，进行全局位置编码；

进行层次化点云特征提取，获取点云的全局特征；

利用点云的全局特征进行分类和部件分割。

2.如权利要求1所述的基于通道注意力的点云识别方法，其特征在于，层次化点云特征提取方法为：

以点云位置信息和所述全局位置编码作为第一层层次化点云特征提取模块的输入，将第一层点云特征提取模块的输出当作第二层层次化点云特征提取模块的输入，依次类推，不断堆叠层次化点云特征提取模块，最后一层输出全局特征；

在层次化点云特征提取模块中，先将点云采样和分组，再进行层次化局部位置编码，对层次化局部位置编码通过多层感知器提取层次化特征；对提取到的层次化特征使用通道注意力进行注意力特征融合，提取点云的空间特征,最后通过多层感知器和池化层进一步提取点云的空间特征，作为该层层次化点云特征提取模块的输出。

3.如权利要求1所述的基于通道注意力的点云识别方法，其特征在于，全局位置编码的方法如下：

接收到点云的输入信息后，进行全局位置编码，全局位置编码δ定义为：

δ＝θ(p_i)

其中，p_i是点i的空间坐标，编码函数θ是感知器。

4.如权利要求2所述的基于通道注意力的点云识别方法，其特征在于，对点云进行采样的方法为：

a.输入点云有N个点，从点云中选取一个点P0作为起始点，得到采样点集合S＝{P0}；

b.计算点云所有点到点P0的距离，构成N维数组L，从数组L中选择最大值对应的点作为P1，更新采样点集合S＝{P0，P1}；

c.计算点云所有点到P1的距离，对于每一个点Pi，其距离P1的距离如果小于L[i]，则更新L[i]＝d(Pi,P1)，因此，数组L中存储的一直是每一个点到采样点集合S的最近距离；

d.选取L中最大值对应的点作为P2，更新采样点集合S＝{P0，P1，P2}；

e.重复b-d步骤，直至采样到N’个目标采样点为止。

5.如权利要求2或4所述的基于通道注意力的点云识别方法，其特征在于，点云分组的方法为：

以得到的采样点为基础进行分组：

输入点云有N个点，采样点有N’个点，参数为手动设置的组内点云数K和范围R；

在输入点云中以每个采样点为中心，半径为R的球形范围内任取K个点，若点的数量不足K，则用采样点填充不足的数量；

经过采样和分组后，得到了点云的分组空间坐标和分组空间特征。

6.如权利要求2所述的基于通道注意力的点云识别方法，其特征在于，层次化局部位置编码的方法如下：

考虑每层点云的空间特征，分层提取点云的局部特征，局部位置编码ε为：

ε＝g(h(p_i-p_j)+x_i)

其中，p_i，p_j是点i,点j的空间坐标；x_i表示点i的层次化特征；函数h，g是多层感知器；函数h用于对点云层次化局部空间特征进行位置编码；函数g用于融合点云的层次化特征和层次化位置编码。