CN113888748B 一种点云数据处理方法及装置 （北京经纬恒润科技股份有限公司）

本发明实施例公开一种点云数据处理方法2基于训练完成的注意力机制网络模型，对所述特征矩阵中的将每一点云簇的特征信息进行拼接，并将拼接后各点云簇的特征信息将经过特征融合后得到的点云簇的特征矩阵作为训练样本，所述对于所述加权矩阵中的每一个点云簇，根据该点云簇与其他点云簇在训练过程中，当所述预测点云簇与对应物体真实点云簇3.根据权利要求1或2所述的方法，其特征在根据点云簇的个数对所有点云簇进行所述特征融合处理，得到对于经过加权处理后的各云簇，从中依次选择一个点云簇作为初始聚如果所述欧式距离的值小于预设聚类阈值，则将在所述将各候选点云簇距离的平均值作为新的聚类中心，并返回执行3其中，所述原始点云数据是对激光雷达原始数据解析后将经过特征融合后得到的点云簇的特征矩阵作为训练样本，所述对于所述加权矩阵中的每一个点云簇，根据该点云簇与其他点云簇在训练过程中，当所述预测点云簇与对应物体真实点云簇之4[0008]基于训练完成的注意力机制网络模型，对所述特征矩阵中的点云簇进行加权处[0013]对于所述加权矩阵中的每一个点云簇，根据该点云簇与5[0017]将每一点云簇的特征信息进行拼接，并将拼接后各点云有点云簇作为与所述初始聚类中心属于同一新的聚类中心属于同一物体的所有候选点云簇作为目6[0039]对于所述加权矩阵中的每一个点云簇，根据该点云簇与有点云簇作为与所述初始聚类中心属于同一新的聚类中心属于同一物体的所有候选点云簇作为目78[0078]本发明实施例提供的二次聚类方法由点云簇特征提取和点云簇聚类两部分构[0083]图2为本发明实施例一提供的一种注意力机制网络模型的训练方法的流程图，该方法可通过注意力机制网络模型的训练装置来执行，该装置可通过软件和/或硬件的方式[0086]对激光雷达点云数据进行解析，获取当前帧的原始点云数据P0，9特征信息的提取可通过特征提取网络，例如pointnet(一种以无需体素化和渲染的原始点的相对位置关系计算得到其形状特征。位置特征信息的提取可通过MLP(Multilayer[0093]其中，Flocal_i和Fglobal_i分别表示从第i簇点云提取出的形状特征信息和位置特征netglobal分别为用于提取形状特标注有各点云簇所属的物体类别。本中标注有各点云簇所属物体的类别。意力机制网络模型能有效结合整帧点云的信息，以及让每簇点云获取其他点云簇的信息，[0111]在注意力机制网络模型训练完成后，可将其应用于点云[0113]图3为本发明实施例一提供的一种点云数据处理方法的流程图，该方法可应用于[0115]本实施例中，对各点云簇的特征信息进行融合的过程可[0125]图4为本发明实施例二提供的一种点云数据处理方法的流程图，本实施例在上述[0142]本实施例中，通过采用将各候选点云簇距离的平均值作[0152]对于所述加权矩阵中的每一个点云簇，根据该点云簇与有点云簇作为与所述初始聚类中心属于同一新的聚类中心属于同一物体的所有候选点云簇作为目[0171]本发明实施例所提供的点云数据处理装置可执行本发明任意实施例所提供的点[0173]请参阅图6，图6是本发明实施例五提供的一种计算设备的结构示意图。如图6所程序使得计算机执行本发明任意实施例所提供的点[0181]上述集成的单元若以软件功能单元的形式实现并作为独[0182]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可介质包括只读存储器(Read-OnlyMemory，ROM)、随机存储器(RandomAccessMemory，timeProgrammableRead-OnlyMemory，OTPROM)、电子抹除式可复写只读存储器这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范