CN119418143A 基于注意力机制的局部感知点云表示学习预训练方法及装置 （浪潮云洲工业互联网有限公司）

基于注意力机制的局部感知点云表示学习本申请公开了基于注意力机制的局部感知结果及待训练模型中的密度感知倒角距离损失训练后模型及微调数据集进行特征提取与点云2通过对三维模型的表面进行点云数据采样，以确定相应的基于转换器模型结构以及预设局部感知自注意力机制确定待训练基于所述待训练模型、所述预训练策略以及所述点云数据处理通过采集目标产品的点云数据确定微调数据集，并利用所述预训练后2.根据权利要求1所述的基于注意力机制的局部感知点云表示学习预训练方法，其特通过所述预设采样数量对三维模型的表面进行点云数据采样，以3.根据权利要求1所述的基于注意力机制的局部感知点云表示学习预训练方法，其特基于所述待训练模型、最远点采样策略以及预设分组数从所述预训针对所述分组结果中的任一点云组，通过所述待训练模型中的基于预设比例对所述分组结果中的各所述点云组进行随机掩码，基于所述随机掩码结果以及各所述点云组的所述嵌入特征向量确定点云数据处理结4.根据权利要求3所述的基于注意力机制的局部感知点云表示学习预训练方法，其特基于所述待训练模型以及所述随机掩码结果确定未掩码针对所述未掩码点云组中的任一数据点，基于K近邻算法确定与当前数据点对应的邻基于下采样算子对所述未掩码点云组进行下采样，并利用自注3对与当前数据点对应的所述局部特征以及所述全局特征进行拼接5.根据权利要求4所述的基于注意力机制的局部感知点云表示学习预训练方法，其特根据所述分组结果确定点云组顺序信息，并利用所述点云组顺基于所述待训练模型中的解码器以及所述拼接结果对各所述点云组的坐标进行预测，利用所述待训练模型中的密度感知倒角距离损失计算机制触发相应的点云组密度信6.根据权利要求1所述的基于注意力机制的局部感知点云表示学习预训练方法，其特获取与三维坐标轴中的各坐标轴分别对应的放基于所述放缩系数和所述平移系数对所述采集结果中的点云数据进行处7.根据权利要求1至6任一项所述的基于注意力机制的局部感知点云表示学习预训练去除所述预训练后模型中的解码器，并向所述预训练模型中添加基于所述处理后模型对所述目标提取结果进行点云类别映射数据集确定模块，用于通过对三维模型的表面进行点云数据采样数据处理模块，用于基于转换器模型结构以及预设局预训练模块，用于基于所述待训练模型、所述预训练策略以及所述点4模型微调模块，用于通过采集目标产品的点云数据确定微调数据集，56[0015]针对所述分组结果中的任一点云组，通过所述待训练模型中的多层线性映射层、拼接层以及最大值池化层组合将对应的点云坐标映射至特征空间，以完成点云嵌入操作，[0017]基于所述随机掩码结果以及各所述点云组的所述嵌入特征向量确定点云数据处[0020]针对所述未掩码点云组中的任一数据点，基于K近邻算法确定与当前数据点对应[0026]基于所述待训练模型中的解码器以及所述拼接结果对各所述点云组的坐标进行[0028]利用所述待训练模型中的密度感知倒角距离损失计算机制触发相应的点云组密7确定微调数据集，并利用所述预训练后模型以及所述微调数据集进行特征提取与点云分预训练数据集，然后利用预设局部感知自注意力机制以及转换器模型结构确定待训练模8[0045]图1为本申请提供的一种基于注意力机制的局部感知点云表示学习预训练方法流[0048]图4为本申请提供的一种基于注意力机制的局部感知点云表示学习预训练装置结[0052]参见图1所示，本发明实施例公开了一种基于注意力机制的局部感知点云表示学[0053]步骤S11、通过对三维模型的表面进行点云数据采样，以确定相应的预训练数据利用所述待训练模型、掩码建模的预训练策略依次对所述预训练数据集进行数据的分组、9预训练数据集中的点云数据对待训练模型进行预训练的过程中，不仅需要完成数据的分预设比例对所述分组结果中的各所述点云组进行随机掩码，以得到相应的随机掩码结果；基于所述随机掩码结果以及各所述点云组的所述嵌入特征向量确定点云数据处理[0059]本实施例中，采用Transformer模型结构对点云数据进行特征提取是对已分组且被点云编码模块嵌入化后得到的点云组的嵌入特征向量，使用待训练模型中的Transformer的注意力机制进行局部与全局的特征提取。也即使用编码器对可见部分的点最远点采样和K近邻分组方法对未掩码点云组中的所有数据点的特征进行分组，获得下采的点云组的特征拼接回可见部分的点云组的特征中，并根据拼成的完整点云特征重建点[0072]参见图4所示，本申请实施例还相应公开了一种基于注意力机制的局部感知点云[0106]点云分类单元，用于基于所述处理后模型对所述目标提取结果进行点云类别映取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，[0111]其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序完成前述任一实施例公开的由电子设备20执行的基于注意力机制的局部感知点云表示学