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：西安电子科技大学

摘要：本发明公开了一种基于多头自注意力的激光点云特征提取方法及装置，该方法包括：获取激光雷达的原始点云信息；对原始点云信息进行体素分割，得到深度图；对深度图进行低级特征提取，得到低级特征图；基于级联的自注意力感知网络对低级特征图依次进行多次特征感知，得到高级特征图；将低级特征图和高级特征图进行融合，得到最终的点云特征图。该方法同时兼顾了原始图像的高级特征与低级特征，充分利用了原始点云的三维信息，有效防止了在多层特征提取下丢失低级特征的问题，提高了特征对原始数据的表达能力，进而提升了后续检测精度和效率。

主权项：1.一种基于多头自注意力的激光点云特征提取方法，其特征在于，包括：步骤1：获取激光雷达的原始点云信息；步骤2：对所述原始点云信息进行体素分割，得到深度图；步骤3：对所述深度图进行低级特征提取，得到低级特征图；步骤4：基于级联的自注意力感知网络对所述低级特征图依次进行多次特征感知，得到高级特征图；步骤5：将所述低级特征图和所述高级特征图进行融合，得到最终的点云特征图；其中，在步骤4中，所述自注意力感知网络包括多个级联的特征感知模块和第二卷积层；所述第二卷积层包括一个3*3卷积；则步骤4具体包括：41依次利用多个特征感知模块对所述低级特征图进行特征感知；42利用第二卷积层对最后一级特征感知模块的输出进行处理，得到高级特征图；其中，每个所述特征感知模块包括多个级联的特征提取单元和第三卷积层；所述第三卷积层包括一个3*3卷积核；则每个特征感知模块对所述低级特征图进行特征感知的具体过程包括：41-1利用第一级特征提取单元对当前级特征感知模块的输入进行特征提取；41-2将当前级特征提取单元的输出作为下一级特征提取单元的输入，依次进行特征提取；41-3利用所述第三卷积层对最后一级特征提取单元的输出进行特征提取，得到当前特征感知模块的输出；其中，每个所述特征提取单元包括自注意力感知层和多层感知机；则每个特征提取单元对输入特征的处理过程包括：a利用所述自注意力感知层对当前特征提取单元的输入进行处理，得到第一特征图；a1设置通道数为C，窗口大小为M，以将当前特征提取单元的输入图像划分为M×M×C个图像块；a2利用所述自注意力感知层中的权重矩阵集计算每个图像块的单头注意力值Q、K、V；a3根据所述单头注意力值计算每个图像块与其他图像块之间的得分，计算公式为：Scorei→j＝Qi·Kj其中，Scorei→j指第i个图像块对第j个图像块的分数，Qi表示第i个图像块的单头注意力Q值，Kj表示第j个图像块的单头注意力K值；a4对每个图像块进行相对位置编码，得到编码矩阵；a5利用Softmax函数对每个图像块的得分进行归一化处理；a6对归一化处理后图像块计算其标准自注意力；a7将计算得到的标准自注意力进行聚合，得到第一特征图；b将当前特征提取单元的输入和所述第一特征图进行融合处理，得到第二特征图；c利用所述多层感知机对所述第二特征图进行处理，得到第三特征图；d将所述第三特征图和所述第二特征图进行融合处理，得到当前特征提取单元的输出。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于多头自注意力的激光点云特征提取方法及装置