CN115620287B 一种基于面片上下文特征的室内点云场景语义分割方法 （杭州师范大学）

一种基于面片上下文特征的室内点云场景本发明涉及一种基于面片上下文特征的室提取室内场景中几何特征一致的点云作为场景注意力机制的Transformer模块学习场景面片全进行连接融合并利用多层感知器降低场景面片值上采样将经降采样后的场景面片分辨率恢复2通过区域增长策略从室内场景点云数据中提取场景面片；采用基于编码器_解码器结景面片的局部特征信息，并聚合不同尺度下场景相邻面片的上下文信息；中间层面片在所述区域增长策略过程中，首先对场景点云数据进行分q<t32.如权利要求1所述的基于面片上下文特征的室内点云场景语义分割方法，其特征在3.如权利要求1所述的基于面片上下文特征的室内点云场景语义分割方法，其特征在一个包括1024维的场景面片全局特征并利用重复操作将其全局特征堆叠成N/16个包括及特征维度为2304维的场景面片特征，并通过多层感知器得到包括256维特征信息的含N/4.如权利要求1所述的基于面片上下文特征的室内点云场景语义分割方法，其特征在机得到包括13维特征信息的N个场景面片并对给每个场景面片分配语义标签，最终实现大35.如权利要求2所述的基于面片上下文特征的室内点云场景语义分割方法，其特征在于：所述的多尺度特征聚合层提取不同尺度下的面片特征，由面片组成的场景点云特征维度以及通过最大化池函数提取场景面片的全局特征；最后将降采样面片点云ΠS与pla聚合面片点云∏合并得到场景点云面片表征O代表输入，其中每个面片pla4[0005]本发明的目的就是提供一种基于面片上下文特征的室内点云场景语义分割方场景面片的全局特征与局部特征进行连接融合并利用多层感知器降低场景面片的特征维5[0008]通过区域增长策略从室内场景点云数据中提取大量场景面片；采用基于编码器_解码器结构的点云分割MPTNet网络进行点云场景的语义分割点云分割MPTNet网络中的编[0009]本发明提出的基于面片上下文特征的点云分割网络中采用自注意力模块以适合聚合不同尺度下场景相邻面片的上下文信息特征信息并从特征提取角度提升场景分割的[0020]其中，q表示依次添加至面片П中的最后一个采样点，N表示相应采样点的法向为阈值参数。[0021]步骤二、基于场景面片表征，采用基于编码器_解码器结构的点云分割MPTNet网6[0023]在多尺度特征聚合MPLA层中，输入的点云场景面片数目为N以及其特征维度为64256维)学习其场景特征信息。为了学习降采样后场景面片的全局特征，首先利用面片景面片全局特征并利用重复(Repeat)操作将其全局特征堆叠成N/16个包括1024维的场景2304维的场景面片特征，并通过多层感知器得到包括256维特征信息的包括N/16个面片的[0025]在特征扩散层中，首先将数目为N/16以及特征维度为256维的场景面片进行两次知机得到包括13维特征信息的N个场景面片并对给每个场景面片分配语义标签，最终实现片s将其加入降采样面片点云中，依次计算种子面片s的质心坐标与ΠI中剩余面片质心坐过KNN算法从输入场景面片点云∏I中获取与其最近邻的k个面片，由此得到NS个包括k个邻pla图4所示的局部特征聚合(PLA)模块得到N个局部聚合特征的面片其中每plapla个面片包括F维特征信息，再依次通过多层感知器降低面片的特征维度以及通过最大化pla池函数提取场景面片的全局特征；最后将降采样面片点云∏S与聚合面片点云∏pla合并得7云数据，图5b是利用上述方法实