【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及人工智能，尤其涉及一種點云數(shù)據(jù)的特征提取方法、設(shè)備、存儲介質(zhì)及程序產(chǎn)品。
技術(shù)介紹
1、隨著自動駕駛技術(shù)的快速發(fā)展，三維點云數(shù)據(jù)的處理和分析變得越來越重要。點云特征提取是這些應(yīng)用中的關(guān)鍵環(huán)節(jié)，它直接影響下游任務(wù)如目標(biāo)檢測、語義分割和場景理解的性能。然而，獲取大量帶標(biāo)注的點云數(shù)據(jù)往往耗時耗力，因此開發(fā)高效的自監(jiān)督學(xué)習(xí)方法來提取點云特征成為了研究熱點。
2、目前，許多研究者提出了基于掩碼自編碼器的點云自監(jiān)督學(xué)習(xí)方法。這些方法通常采用隨機掩碼策略，將輸入點云的一部分隨機遮蔽，然后訓(xùn)練模型重建被遮蔽的部分。通過上述方式，點云特征提取模型可以學(xué)習(xí)到點云的空間結(jié)構(gòu)和局部幾何特征，而無需人工標(biāo)注。
3、然而，在自動駕駛場景中，現(xiàn)有方法普遍采用的隨機掩碼策略存在嚴(yán)重缺陷。自動駕駛環(huán)境中的點云數(shù)據(jù)通常包含復(fù)雜多樣的元素，如車輛、行人、建筑物和道路等，這些元素在重要性和復(fù)雜度上存在顯著差異。上述問題可能導(dǎo)致自動駕駛系統(tǒng)在復(fù)雜交通環(huán)境中關(guān)鍵區(qū)域的感知能力下降，增加交通事故風(fēng)險。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提供一種點云數(shù)據(jù)的特征提取方法、電子設(shè)備、存儲介質(zhì)及程序產(chǎn)品，可以提升自動駕駛系統(tǒng)在復(fù)雜交通環(huán)境中的整體性能，降低交通事故風(fēng)險。
2、在本專利技術(shù)的第一方面，提供了一種點云數(shù)據(jù)的特征提取方法，包括：
3、獲取點云數(shù)據(jù)的體素特征，所述體素特征包含所述點云的語義特征和空間特征；
4、基于所述語義特征聚類所述體素特征得到的至少一個超類
5、根據(jù)所述體素特征和所述掩碼率對所述點云特征提取模型進行自監(jiān)督學(xué)習(xí)。
6、可選的，所述獲取點云數(shù)據(jù)的體素特征，包括：
7、獲取點云數(shù)據(jù)的空間特征和語義特征，得到點云特征；
8、對所述點云特征進行體素化和平均池化，得到體素特征。
9、可選的，所述基于所述語義特征聚類所述體素特征得到的至少一個超類，并確定各所述超類的掩碼率，包括：
10、基于所述語義特征聚類所述體素特征，得到至少一個超類，并確定各所述超類的聚類中心；
11、基于各所述超類對應(yīng)聚類中心之間的第一平均距離，將各所述超類劃分為若干個超類組，所述超類組用于表征各所述超類之間的類間差異；
12、獲取各所述超類內(nèi)部的體素特征與聚類中心之間的第二平均距離，所述第二平均距離用于表征超類內(nèi)部的類內(nèi)差異；
13、基于各所述超類的第一平均距離和第二平均距離，確定各所述超類的掩碼率。
14、可選的，所述基于各所述超類的第一平均距離和第二平均距離，確定各所述超類的掩碼率，包括：
15、基于各所述超類組對應(yīng)的第一平均距離，確定基礎(chǔ)掩碼率；
16、基于各所述超類的第二平均距離，確定類內(nèi)一致性系數(shù)，所述類內(nèi)一致性系數(shù)與所述第二平均系數(shù)成反比；
17、將各所述超類對應(yīng)的基礎(chǔ)掩碼率和類內(nèi)一致性系數(shù)之積作為掩碼率。
18、可選的，所述根據(jù)所述體素特征和所述掩碼率對所述點云特征提取模型進行自監(jiān)督學(xué)習(xí)，包括
19、基于所述掩碼率對所述體素特征進行掩碼處理；
20、通過編解碼器對掩碼處理后的體素特征進行語義特征重建和空間特征重建，得到重建后的語義特征和重建后的空間特征；
21、獲取所述重建后的語義特征和重建后的空間特征的損失值；
22、基于所述損失值調(diào)整所述點云特征提取模型中的參數(shù)。
23、可選的，所述通過編解碼器對掩碼處理后的體素特征進行語義特征重建和空間特征重建，包括：
24、確定語義特征重建對應(yīng)的第一權(quán)重因子，以及空間特征重建對應(yīng)的第二權(quán)重因子，其中，所述第一權(quán)重因子大于所述第二權(quán)重因子；
25、基于所述第一權(quán)重因子和所述第二權(quán)重因子，通過編碼器對掩碼處理后的體素特征進行語義特征重建和空間特征重建。
26、可選的，所述通過編解碼器對掩碼處理后的體素特征進行語義特征重建和空間特征重建，包括：
27、激活編解碼器對掩碼處理后的體素特征進行空間特征重建；
28、基于啟動時間因子，激活編解碼器對掩碼處理后的體素特征進行語義特征重建，其中，所述啟動時間因子是根據(jù)所述點云特征提取模型訓(xùn)練過程中，所述編解碼器被激活進行語義特征重建時，空間特征重建的完成度確定的。
29、在本專利技術(shù)的第二方面，提供了一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上述任一種所述點云數(shù)據(jù)的特征提取方法。
30、在本專利技術(shù)的第三方面，提供了一種非暫態(tài)計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一種所述點云數(shù)據(jù)的特征提取方法。
31、在本專利技術(shù)的第四方面，提供了一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一種所述點云數(shù)據(jù)的特征提取方法。
32、綜上所述，本專利技術(shù)中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：
33、通過獲取點云數(shù)據(jù)的體素特征，包含語義特征和空間特征，并基于語義特征聚類體素特征得到超類，進而確定各超類的掩碼率，實現(xiàn)了對點云數(shù)據(jù)中不同區(qū)域重要性的識別和區(qū)分。上述基于語義和空間信息的自適應(yīng)掩碼策略，相比于現(xiàn)有技術(shù)中普遍采用的隨機掩碼策略，能夠更有針對性地指導(dǎo)模型關(guān)注點云數(shù)據(jù)中的關(guān)鍵區(qū)域。通過將體素特征和掩碼率結(jié)合用于模型訓(xùn)練，本方法使得訓(xùn)練得到的點云特征提取模型能夠更加準(zhǔn)確地捕捉自動駕駛場景中各種復(fù)雜元素的特征，如車輛、行人、建筑物和道路等。這種方法有效解決了現(xiàn)有隨機掩碼策略在處理復(fù)雜多樣的自動駕駛環(huán)境點云數(shù)據(jù)時存在的缺陷，提高了模型對關(guān)鍵區(qū)域的感知能力。最終，通過訓(xùn)練完成的點云特征提取模型對目標(biāo)區(qū)域的點云數(shù)據(jù)進行特征提取，可以獲得更加精準(zhǔn)和有效的特征表示，從而為下游任務(wù)如目標(biāo)檢測、語義分割和場景理解提供更可靠的輸入，有助于提升自動駕駛系統(tǒng)在復(fù)雜交通環(huán)境中的整體性能，降低交通事故風(fēng)險。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種點云數(shù)據(jù)的特征提取方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述獲取點云數(shù)據(jù)的體素特征，包括：
3.根據(jù)權(quán)利要求1所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述基于所述語義特征聚類所述體素特征得到的至少一個超類，并確定各所述超類的掩碼率，包括：
4.根據(jù)權(quán)利要求3所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述基于各所述超類的第一平均距離和第二平均距離，確定各所述超類的掩碼率，包括：
5.根據(jù)權(quán)利要求1所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述根據(jù)所述體素特征和所述掩碼率對所述點云特征提取模型進行自監(jiān)督學(xué)習(xí)，包括
6.根據(jù)權(quán)利要求5所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述通過編解碼器對掩碼處理后的體素特征進行語義特征重建和空間特征重建，包括：
7.根據(jù)權(quán)利要求5所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述通過編解碼器對掩碼處理后的體素特征進行語義特征重建和空間特征重建，包括：
8.一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可
9.一種非暫態(tài)計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7任一項所述點云數(shù)據(jù)的特征提取方法。
10.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7任一項所述點云數(shù)據(jù)的特征提取方法。
...【技術(shù)特征摘要】
1.一種點云數(shù)據(jù)的特征提取方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述獲取點云數(shù)據(jù)的體素特征，包括：
3.根據(jù)權(quán)利要求1所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述基于所述語義特征聚類所述體素特征得到的至少一個超類，并確定各所述超類的掩碼率，包括：
4.根據(jù)權(quán)利要求3所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述基于各所述超類的第一平均距離和第二平均距離，確定各所述超類的掩碼率，包括：
5.根據(jù)權(quán)利要求1所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述根據(jù)所述體素特征和所述掩碼率對所述點云特征提取模型進行自監(jiān)督學(xué)習(xí)，包括
6.根據(jù)權(quán)利要求5所述的點云數(shù)據(jù)的特征提取方法，其特征在于，所述通過編解碼器對掩碼處...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：曹健，徐偉辰，趙新宇，曹喜信，張興，
申請(專利權(quán))人：北京大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。