申请/专利权人：浙江工商大学

申请日：2024-01-18

公开（公告）日：2024-04-09

公开（公告）号：CN117853748A

主分类号：G06V10/44

分类号：G06V10/44;G06V10/80;G06V10/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于局部重要性先验的多轴Transformer点云注册方法、设备及介质，该方法通过在骨干网络的编码器后嵌入一个基于局部重要性先验知识的多轴Transformer，来训练点云注册模型。这种方法能够提高模型训练效率，增强模型对于点云细节和整体几何信息的感知能力，从而提高提取到的点云特征的几何辨识度，最终提升点云注册的精度。本发明通过设计窗口权重先验模块，突出注册有效区域，并利用多轴Transformer以分而治之的方式感知局部和全局的几何信息。与其他先进方法相比，本发明能够提取具有辨识度的点云特征，能够应对低重叠场景下的点云配准问题，具有可观的竞争力。

主权项：1.一种基于局部重要性先验的多轴Transformer点云注册方法，其特征在于，用于室内场景点云配准，以获得完整的室内场景点云，该方法包括以下步骤：1将KPConv-FPN网络作为骨干网络，将室内场景的源点云p输入所述骨干网络，输出超点序列和对应的粗特征其中N为超点的数量，C为超点的特征维数，室内场景的目标点云q的计算方式相同；2将步骤1得到的粗特征输入窗口权重先验模块；超点根据其物理位置划分为固定窗口尺寸w的非重叠区域，得到局部补丁集未填满窗口尺寸w的补丁将被施加填充操作得到更新的填充补丁集作为输入特征集随后被送入到局部权重编码器中聚合局部几何信息，得到多窗口权重集ω，将多窗口权重集ω与输入特征集在窗口维度上相乘后，以残差的方式作为额外的嵌入信息与输入特征集融合，得到局部重要性先验知识目标点云q的计算方式相同；3将步骤2中填充补丁集做掩码操作，以去掉人工添加信息对于特征的干扰，目标点云q的计算方式相同；4将步骤3融合了局部重要性先验知识的源点云p的超点特征再次做填充操作得到填充序列在多轴Transformer的块注意力分支中，N'个超点序列根据窗口尺寸w被分为一系列连续的非重叠的局部序列组，随之几何自注意力计算被施加到每个局部序列组上以进行局部特征编码，在平行的网格注意力分支中，网格化输入N'个超点序列，并在多个连续的窗口中，平行地提取相应位置的超点特征得到稀疏的全局序列组，随后，几何自注意力计算被施加到全局序列组上以进行全局特征编码，目标点云q的计算方式相同；随后去除人工添加的超点特征序列；5将步骤4中计算得到的源点云的局部和全局几何特征在通道维度上拼接后，输入到特征融合模块中以融合这两种不同尺度的几何信息，得到具有辨识度的几何特征目标点云q的计算方式相同，得到几何特征6将融合得到的源点云和目标点云的几何特征和共同送入到交叉注意力模块中建模两片点云的几何连续性，得到特征和迭代执行步骤4-步骤6若干次，以得到更加显著的超点特征和7将步骤6输出的超点特征和输入超点匹配模块，使用高斯核函数计算源点云与目标点云的超点协方差矩阵S，通过在协方差矩阵S上使用双向标准化，计算得到超点相似性矩阵8采用密集点对构建模块，根据步骤7得到的超点相似性矩阵，利用点到节点的聚合策略得到密集点对关系；9根据步骤8得到的密集点对关系，使用RANSAC算法计算点云对之间的刚体变化。

全文数据：

权利要求：

百度查询： 浙江工商大学 基于局部重要性先验的多轴Transformer点云注册方法、设备及介质

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