申请/专利权人：清华大学

申请日：2022-02-24

公开（公告）日：2024-06-28

公开（公告）号：CN114663619B

主分类号：G06T17/20

分类号：G06T17/20;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.07.12#实质审查的生效;2022.06.24#公开

摘要：本发明公开了一种基于自注意力机制的三维点云物体预测方法和装置，其中，该方法包括：实时采集雷达数据；其中，雷达数据包括待预测物体点云；将视频雷达数据输入预训练的点云识别模型，进行待预测物体点云的点云识别补全；其中，点云识别模型基于掩蔽点建模任务和混合子点云预测任务进行学习训练；基于点云识别补全，输出补全后的待预测物体点云的预测分类结果。本发明能够实现现实场景中三维物体的精准预测和分类，为自动驾驶，无人机等领域带来了新的研究思路。

主权项：1.一种基于自注意力机制的三维点云物体预测方法，其特征在于，包括以下步骤：实时采集雷达数据；其中，所述雷达数据包括待预测物体点云；将所述雷达数据输入预训练的点云识别模型，进行所述待预测物体点云的点云识别补全；其中，所述点云识别模型基于掩蔽点建模任务和混合子点云预测任务进行学习训练；基于所述点云识别补全，输出补全后的所述待预测物体点云的预测分类结果；所述点云识别模型基于掩蔽点建模任务和混合子点云预测任务进行学习训练，包括：获取待预测物体的样本点云，将所述样本点云的输入点云划分为多个局部子点云，将所述多个局部子点云转换成第一预设数量的点云代理；将所述第一预设数量的点云代理输入点云编码器，并通过所述点云编码器将所述点云代理转换为离散的点云编码；随机掩蔽第二预设数量的点云代理，并用预设的掩模代替所述第二预设数量的点云代理作为输入以预训练Transformer模型；基于所述预训练的Transformer模型，掩蔽点建模任务使得Transformer模型学习并预测所述样本点云的缺失位置的点云编码；所述随机掩蔽第二预设数量的点云代理，并用预设的掩模代替所述第二预设数量的点云代理作为输入以预训练Transformer模型，包括：选择中心参考点及其对应的子点云集，并找到所述中心参考点邻近的多个子点云集得到局部点云区域，屏蔽掉所述局部点云区域，并用预定义的可学习的掩模替换掩蔽位置的子点云，将带掩模的点云代理输入到Transformer模型中进行学习；以及，混合两组无偏的子点云集创建虚拟样本点云，并利用所述虚拟样本点云预测其被遮挡部分的点云编码。

全文数据：

权利要求：

百度查询： 清华大学 一种基于自注意力机制的三维点云物体预测方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD