一种基于三维微分几何解耦的点云特征提取方法
本发明公开一种基于三维微分几何解耦的点云特征提取方法,属于三维数据处理与计算机视觉。
背景技术:
1、在精密制造、自动驾驶与三维重建等领域,点云特征提取是极为关键的前置基础任务。现有的基于深度学习的点云特征提取方法通常依赖于隐式特征学习,由于缺乏对局部微分几何属性的显式物理约束,在处理具备高频拓扑变化(如折角、尖锐边缘)的区域时,极易将几何结构突变误判为高频噪声,导致底层几何特征的过度平滑或丢失。部分研究尝试提取局部高度与法向等信息实现解耦,但这类方法通常需要将非结构化的三维点云参数化为二维规则网格以适配卷积操作,这种显式的降维投影极易引入几何投影畸变并造成三维拓扑信息的丢失。同时,现有方法在估计法向或曲率时往往依赖固定大小的局部邻域,无法在“平滑区抗噪”与“边缘区保真”之间取得有效平衡。亟需一种能够直接在三维空间中提取底层微分几何特征,并能自适应调整几何感受野的通用特征提取方法。
技术实现思路
1、本发明的目的在于提供一种基于三维微分几何解耦的点云特征提取方法,以解决现有技术中,点云特征提取在平滑区抗噪与边缘区保真之间难以平衡的问题。
2、一种基于三维微分几何解耦的点云特征提取方法,包括:
3、s1、输入待处理的含噪点云;
4、s2、构建基于几何感知的双分支特征提取模块,包括动态图卷积分支和显式曲率感知分支,提取所述含噪点云的空间语义特征;
5、所述动态图卷积分支提取点云的全局空间语义特征,所述显式曲率感知分支基于局部曲面拟合与自适应感受野分配机制,在三维空间中求解离散流形的微分几何属性,提取显式微分曲率特征;
6、s3、构建区域自适应门控融合模块,将所述全局空间语义特征与显式微分曲率特征进行拼接,并通过自适应加权机制进行解耦与融合,获得高维解耦融合特征;
7、s4、将所述高维解耦融合特征输入至下游的点云任务处理网络中,执行目标任务的特征映射或空间降维操作,输出点云处理结果。
8、s1待处理的含噪点云为:
9、;
10、式中,,为点云中的第个点,,,为含噪点云中点的数量,为实数集。
11、s2动态图卷积分支包括,对中的,在特征空间中查找最邻近的个点形成局部邻域,对邻域内的每个点,构建边缘特征:
12、;
13、式中,为按指定维度进行张量拼接操作,为输入点云中第个索引。
14、s2动态图卷积分支包括,将边缘特征输入至多层感知机进行特征升维,随后在邻域维度上执行最大池化操作聚合局部信息,得到点云的空间语义特征,所有点的空间语义特征构成特征矩阵,:
15、。
16、s2显式曲率分支包括:s2.1在初始的基础局部邻域内,对每个点计算加权协方差矩阵,通过主成分分析估计法向量,并利用gram-schmidt正交化构建局部正交切空间基底;
17、s2.2将邻域点投影至切平面,通过最小二乘法拟合局部二次曲面,求解曲面系数,构建第二基本形式矩阵,进而计算形状算子,并经特征值分解求得初步的主曲率、高斯曲率及平均曲率。
18、s2显式曲率感知分支包括:s2.3计算主曲率绝对值的最大值作为点的结构显著性度量,结合最大类间方差法计算自适应截断阈值,将每个点的局部几何特征划分为不同层级的几何类型掩码。
19、s2显式曲率感知分支包括:s2.4基于所述几何类型掩码,通过自适应映射函数为每一个输入点动态分配最优几何感受野,最优几何感受野等同于参与局部曲面拟合的近邻点数量;
20、s2.5在所述最优几何感受野下重新执行子步骤s2.1与s2.2的多项式拟合,将重算后的曲率参数与所述几何类型掩码进行拼接,经多层感知机映射输出最终的显式微分曲率特征。
21、s2.4分配最优几何感受野的自适应映射逻辑包括,对判定为无显著特征的平滑区域,分配最大感受野,消除高频噪声干扰;对判定为尖锐边缘或双曲面的区域,分配最小感受野;对具有中等曲率变化的区域,分配均衡的中等感受野。
22、s3构建区域自适应门控融合模块包括,将全局空间语义特征与显式微分曲率特征进行通道维度拼接,,,为特征的通道数,输入至带有softmax激活函数的门控网络,动态预测空间权重矩阵和几何权重矩阵;最终的高维解耦融合特征由两路特征分别与对应的权重矩阵逐元素相乘后相加求和得到,。
23、s4下游的点云任务处理网络包括点云去噪网络、点云分割网络或点云分类网络;
24、当应用于点云去噪任务时,所述下游的点云任务处理网络包括池化下采样操作和面片重构操作,利用所述高维解耦融合特征预测坐标位置残差。
25、相对比现有技术,本发明具有以下有益效果:突破了固定邻域提取特征的局限,缓解了复杂曲面特征的过度平滑问题,提升了下游点云去噪、分割等任务的精度。
1.一种基于三维微分几何解耦的点云特征提取方法,其特征在于,包括:
2.根据权利要求1所述的一种基于三维微分几何解耦的点云特征提取方法,其特征在于,s1待处理的含噪点云为:
3.根据权利要求2所述的一种基于三维微分几何解耦的点云特征提取方法,其特征在于,s2动态图卷积分支包括,对中的,在特征空间中查找最邻近的个点形成局部邻域,对邻域内的每个点,构建边缘特征:
4.根据权利要求3所述的一种基于三维微分几何解耦的点云特征提取方法,其特征在于,s2动态图卷积分支包括,将边缘特征输入至多层感知机进行特征升维,随后在邻域维度上执行最大池化操作聚合局部信息,得到点云的空间语义特征,所有点的空间语义特征构成特征矩阵,:
5.根据权利要求4所述的一种基于三维微分几何解耦的点云特征提取方法,其特征在于,s2显式曲率分支包括:s2.1在初始的基础局部邻域内,对每个点计算加权协方差矩阵,通过主成分分析估计法向量,并利用gram-schmidt正交化构建局部正交切空间基底;
6.根据权利要求5所述的一种基于三维微分几何解耦的点云特征提取方法,其特征在于,s2显式曲率感知分支包括:s2.3计算主曲率绝对值的最大值作为点的结构显著性度量,结合最大类间方差法计算自适应截断阈值,将每个点的局部几何特征划分为不同层级的几何类型掩码。
7.根据权利要求6所述的一种基于三维微分几何解耦的点云特征提取方法,其特征在于,s2显式曲率感知分支包括:s2.4基于所述几何类型掩码,通过自适应映射函数为每一个输入点动态分配最优几何感受野,最优几何感受野等同于参与局部曲面拟合的近邻点数量;
8.根据权利要求7所述的一种基于三维微分几何解耦的点云特征提取方法,其特征在于,s2.4分配最优几何感受野的自适应映射逻辑包括,对判定为无显著特征的平滑区域,分配最大感受野,消除高频噪声干扰;对判定为尖锐边缘或双曲面的区域,分配最小感受野;对具有中等曲率变化的区域,分配均衡的中等感受野。
9.根据权利要求8所述的一种基于三维微分几何解耦的点云特征提取方法,其特征在于,s3构建区域自适应门控融合模块包括,将全局空间语义特征与显式微分曲率特征进行通道维度拼接,,,为特征的通道数,输入至带有softmax激活函数的门控网络,动态预测空间权重矩阵和几何权重矩阵;最终的高维解耦融合特征由两路特征分别与对应的权重矩阵逐元素相乘后相加求和得到,。
10.根据权利要求9所述的一种基于三维微分几何解耦的点云特征提取方法,其特征在于,s4下游的点云任务处理网络包括点云去噪网络、点云分割网络或点云分类网络;
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com