买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：无锡学院

摘要：本发明公开了一种融合多头注意力机制的PointGroup点云分割方法，该PointGroup网络结构由改进后的UNet网络、点云聚类模块和ScoreNet评分模块组成，依次进行如下步骤：选择ScanNetV2数据集，使用其中点云数据作为训练集、验证集和测试集；搭建改进后的特征提取网络模型；将提取的特征输入语义和偏移分支，生成语义标签和偏移向量；引入一种聚类方法，将点分组到原始坐标集和移位坐标集上的候选聚类中；将聚类结果输入ScoreNet评估候选实例，结合非极大值抑制移除重复实例，输出分割结果；训练以及测试模型；提高分割网络模型的鲁棒性，增加泛化能力，实现对室内场景点云实例的快速、准确分割。

主权项：1.一种融合多头注意力机制的PointGroup点云分割方法，其特征在于：包括以下步骤：S1、选择ScanNetV2公开数据集，使用由RGB－D传感器捕获得到的3D点云数据，并将其划分为训练集、验证集和测试集；对获取的点云数据进行预处理，读取点云数据，提取坐标和颜色信息，并保存为PyTorch的张量文件；S2、搭建特征提取网络模型，特征提取网络模型设置为一个由具有对称结构的编码器和解码器组成的UNet网络；在UNet网络的瓶颈层加入Transformer编码，用于捕捉长距离依赖关系，并在UNet网络编解码块中加入SEAttention注意力机制，用于分配通道注意力权重；UNet网络的输入变量为带有颜色和坐标信息的点集，输出变量为提取特征后每个点的特征向量；S3、将提取特征后每个点的特征F输入语义分支和偏移分支，使用多层感知机对每个点的特征进行处理，生成语义标签和偏移向量；S4、通过点云聚类将点分组到对偶坐标集上的候选聚类中，即原始坐标集和偏移坐标集，实现点群聚类，生成候选实例；S5、将聚类结果取并集输入ScoreNet来评估候选实例，为每个候选点群生成特征向量，利用小型UNet对聚类点群进行特征编码，并对候选点群使用NMS来移除重复的实例，最后输出实例分割结果；S6、训练模型，将上述改进后的整体网络初始化，并将训练集场景导入模型，进行训练，得到训练后的网络模型；S7、将训练好的模型进行测试，使用python脚本读取和处理模型生成的预测结果，将其与点云数据结合并保存，并用CloudComapre软件可视化点云实例分割后的结果。

全文数据：

权利要求：

百度查询： 无锡学院 融合多头注意力机制的PointGroup点云分割方法