[发明专利]一种融合光学图像和激光雷达点云的遥感语义分割方法

权利要求书

1.一种融合光学图像和激光雷达点云的遥感语义分割方法，其特征在于，包括以下步骤：

S1、获取目标区域的多个三维激光雷达点云数据；

S2、采用核点卷积网络分别对每个所述三维激光雷达点云数据进行处理，获得本分支编码器各层级的激光雷达点云数据特征；

S3、对所述激光雷达点云数据特征进行鸟瞰图投影，获得每个分支编码器各层级的激光雷达特征；

S4、获取所述目标区域的光学图像，并对所述光学图像进行多层次特征提取，获得所述光学图像的RGB特征；

S5、将所述激光雷达特征和相匹配的所述RGB特征通过L-AAM模块进行特征融合处理，获得融合后的RGB特征；

S6、分别对各层级融合后的RGB特征进行上采样，并对各层级的采样结果进行拼接，获得语义分割结果。

2.如权利要求1所述的一种融合光学图像和激光雷达点云的遥感语义分割方法，其特征在于，在所述步骤S4中，采用Transformer模块对所述光学图像进行多层次特征提取。

3.如权利要求1所述的一种融合光学图像和激光雷达点云的遥感语义分割方法，其特征在于，所述步骤S5具体包括：

S51、将所述激光雷达特征和所述RGB特征在通道维度上进行串联；

S52、将串联后的特征作为输入特征，输入至L-AAM模块中；

S53、在所述L-AAM模块中，采用所述激光雷达特征增强通道维度上的所述输入特征；

S54、通过自注意力机制对增强后的输入特征进行处理，获得注意力矩阵；

S55、根据所述增强后的输入特征和所述注意力矩阵，采用切片获得增强后的RGB特征，并将所述增强后的RGB特征作为融合后的RGB特征。

4.如权利要求3所述的一种融合光学图像和激光雷达点云的遥感语义分割方法，其特征在于，所述步骤S53具体包括：

S531、将所述输入特征通过全局池化进行通道维度的压缩处理，获得压缩结果；

S532、将所述压缩结果通过多个全连接层进行激励处理，获得激励结果；

S533、通过Sigmoid函数对所述激励结果进行处理，并采用逐点乘法将对所述激励结果的处理结果应用至输入特征，以获得原始特征；

S534、将所述原始特征切片到原始特征维度的一半，并将切片结果与所述激光雷达特征进行串联，获得增强后的输入特征。

5.如权利要求3所述的一种融合光学图像和激光雷达点云的遥感语义分割方法，其特征在于，所述步骤S54具体包括：

基于自注意力机制对增强后的输入特征进行细粒度线性转换；

基于转换结果，通过softmax函数获得注意力矩阵。

6.如权利要求1所述的一种融合光学图像和激光雷达点云的遥感语义分割方法，其特征在于，在所述步骤S6中，采用多层感知机分别对各层级融合后的RGB特征进行上采样以获取语义标签。