[发明专利]基于注意力机制的非刚性三维点云配准方法及系统

权利要求书

1.一种基于注意力机制的非刚性三维点云配准方法，其特征在于，包括以下步骤：

S1.使用至少一组自适应实例归一化模块作为标准Transformer网络中的归一化层，得到用于执行非刚性三维点云配准任务的改良Transformer网络；所述改良Transformer网络还包括多头交叉注意力模块；

S2.获取一个非刚性目标在两种不同动作下的原始点云数据，分别作为源点云S和目标点云T；

S3.提取出所述源点云和所述目标点云的高维度的逐点特征，并将输出的特征与所述改良Transformer网络中的位置编码叠加，得到源点云和目标点云的初始特征嵌入X_S和X_T；

S4.利用所述多头交叉注意力模块中的线性变换矩阵W_Q、W_K、W_V对所述源点云和所述目标点云的初步特征嵌入进行矩阵运算，得到线性变换的结果矩阵Q、K、V并计算注意力分数；

S5.通过拼接多个注意力分数矩阵得到映射了目标点云信息的源点云的中间特征嵌入Z；

S6.使用所述自适应实例归一化模块对所述源点云的中间特征嵌入Z进行归一化处理，进而保持所述源点云的姿态靠近所述目标点云的同时不改变原有的身份信息，得到所述源点云的归一化特征嵌入Z′；

S7.设置损失函数并将S4～S6作为所述改良Transformer网络的解码器部分，将所述源点云的初始特征嵌入X_s以及所述归一化特征嵌入Z′作为编码器的输入，经过预设次数的循环后得到输出的优化特征嵌入Z″；

S8.利用一个多层感知机结构对所述优化特征嵌入Z″进行卷积和激活，并结合如下公式计算出结果点云的坐标，完成点云配准；计算公式如下：

R＝2*tanh[Conv(Z″)]

式中，R表示所述结果点云；tanh为双曲正切激活函数。

2.根据权利要求1所述的基于注意力机制的非刚性三维点云配准方法，其特征在于，S2中，使用等量下采样的方法对所述原始点云数据进行采样，以使所述源点云和所述目标点云的点数相同。

3.根据权利要求1所述的基于注意力机制的非刚性三维点云配准方法，其特征在于，S3中，使用动态图卷积神经网络提取提取出所述源点云和所述目标点云的高维度的逐点特征。

4.根据权利要求1所述的基于注意力机制的非刚性三维点云配准方法，其特征在于，S4中，所述注意力分数的计算公式为：

其中，d_k为矩阵Q的列数。

5.根据权利要求1所述的基于注意力机制的非刚性三维点云配准方法，其特征在于，所述自适应实例归一化模块的数量设置为3组。

6.根据权利要求5所述的基于注意力机制的非刚性三维点云配准方法，其特征在于，S6中，引入采用残差连接对所述源点云特征嵌入进行归一化处理。

7.根据权利要求6所述的基于注意力机制的非刚性三维点云配准方法，其特征在于，S6中，所述源点云的归一化特征嵌入Z′的表达公式为：

Z'＝[Conv(AdaIN(Conv(AdaIW(Z))))+Conv(AdaIW(Z))]

式中，Conv(·)表示对·的卷积处理；AdaIN(·)表示对·的自适应实例归一化处理。

8.根据权利要求1所述的基于注意力机制的非刚性三维点云配准方法，其特征在于，S7中，采用逐点网格欧式距离PMD作为损失函数：

式中，M_i和M′_i分别表示所述目标点云和所述结果点云的第i个点的三维坐标，i＝1,2,3……n，n为所述目标点云的总点数。

9.根据权利要求1所述的基于注意力机制的非刚性三维点云配准方法，其特征在于，S2中，使用激光雷达扫描仪或Kinect相机在不同时间点下捕获同一个所述非刚性目标的不同动作。

10.一种基于注意力机制的非刚性三维点云配准系统，其特征在于，其采用如权利要求1至9中任意一项所述的基于注意力机制的非刚性三维点云配准方法；所述配准系统包括：

网络构建模块，其用于使用至少一组自适应实例归一化模块作为标准Transformer网络中的归一化层，得到用于执行非刚性三维点云配准任务的改良Transformer网络；所述改良Transformer网络还包括多头交叉注意力模块；

点云获取模块，其用于获取一个非刚性目标在两种不同动作下的原始点云数据，分别作为源点云S和目标点云T；以及

点云特征提取模块，其用于提取出所述源点云和所述目标点云的高维度的逐点特征，并将输出的特征与所述改良Transformer网络中的位置编码叠加，得到源点云和目标点云的初始特征嵌入X_S和X_T；

其中，所述多头交叉注意力模块中的线性变换矩阵W_Q、W_K、W_V对所述源点云和所述目标点云的初步特征嵌入进行矩阵运算，得到线性变换的结果矩阵Q、K、V并计算注意力分数，通过拼接多个注意力分数矩阵得到映射了目标点云信息的源点云的中间特征嵌入Z；所述自适应实例归一化模块用于对所述源点云的中间特征嵌入Z进行归一化处理，进而保持所述源点云的姿态靠近所述目标点云的同时不改变原有的身份信息，得到所述源点云的归一化特征嵌入Z′；所述改良Transformer网络还用于自身的编码器和解码器经过预设次数的循环后得到输出的优化特征嵌入，并利用一个多层感知机结构对所述优化特征嵌入进行卷积和激活后实现结果点云的坐标计算，完成点云配准。