(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210617973.4 (22)申请日 2022.06.01 (71)申请人 重庆理工大 学 地址 401320 重庆市巴南区红光大道69号 (72)发明人 王勇　汤鑫彤　 (74)专利代理 机构 成都东唐智 宏专利代理事务 所(普通合伙) 51261 专利代理师 晏辉 (51)Int.Cl. G06V 10/42(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/26(2022.01)G06N 3/04(2006.01) (54)发明名称 一种用于点云分类分割的动态图语义特征 提取方法 (57)摘要 本发明公开了一种用于点云分类分割的动 态图语义特征提取方法， 涉及点 云特征提取技术 领域。 本发明包括以下步骤： 输入具有n个点的C 维数据P； 构建局部动态图， 定义xi的k个邻居点 边缘特征eij＝hθ(xi,xj)， 通过边 缘 函数hθ聚合点xi的邻居特征。 本发明通过最大 池化获得所有局部图上最有代表 性的语义信息， 获得语义特征最明显的位置； 将所有的特征图按 照通道维度分为组， 并通过 获得各局部图中语义 特征最强的特征， 这样之后利用各组全局统计特 征与局部位置特征的相似性作为注 意指导， 生成 语义特征提取的掩模， 且使用图注 意力给局部图 上的特征分配不同的权重， 采用求和来聚合局部 图点与点之间的信息； 最后自适应对 特征进行融 合。 权利要求书2页 说明书7页 附图2页 CN 115019053 A 2022.09.06 CN 115019053 A 1.一种用于点云 分类分割的动态图语义特 征提取方法， 其特 征在于： 包括以下步骤： 输入具有n个点的C维数据P； 构建局部动态图G＝(V,E)， 定义xi的k个邻居点 边缘特征eij＝hθ(xi,xj)， 则 一层图的输出x ′i表示为： x′i＝hθ(xi,xj) 通过边缘函数hθ聚合点xi的邻居特 征； 通过最大池化获得局部图上最有代 表性的语义信息X ′， 获得语义特 征最明显的位置； 利用组整体的特征空间分布来调整单通道语义特征； X ′＝{x1,...,xC′}， 将特征图按照 通道维数分为G组， 即每组有m(m＝C ’/G)维特征； 首先求得组内各个通道均值， 用于表示单 通道特征ci,之后再更新组内特 征， 同时对组内点的不同特 征相加， 得到整组的语义特 征pg； 再对整组的语义特 征pg进行归一 化处理； 最后将整组的语义特征pg经过sigmoid函数σ()处理得到组内特征的权重W， 再与原来 组数据相乘， 得到交 互后的特 征 求和来聚合局部图的特 征， 得到单个图注意 将图注意力和语义特 征通过可学习的标量α 和β 对特 征进行聚合， 得到聚合特 征f。 2.根据权利要求1所述的一种用于点云分类分割的动态图语义特征提取方法， 其特征 在于， 所述C维数据P表示 为： P＝{pi∈RC,i＝0,...,N‑1}。 3.根据权利要求1所述的一种用于点云分类分割的动态图语义特征提取方法， 其特征 在于， 所述局部图G＝(V,E)的构建基于每 个点周围邻近的k个点。 4.根据权利要求1所述的一种用于点云分类分割的动态图语义特征提取方法， 其特征 在于， 所述 边缘函数hθ表示为： hθ(xi,xj)＝hθ(xi,xj‑xi) 其中， xi为全局特 征， xi‑xj为局部特 征； 并通过多层感知机 MLP处理， 得到所有局部图的语义特 征X， 表示为： X＝MLP(hθ(xi,xj))。 5.根据权利要求1所述的一种用于点云分类分割的动态图语义特征提i取方法， 其特征 在于， 所述 最有代表性的语义信息X ′表示为： X′＝max(X)。 6.根据权利要求1所述的一种用于点云分类分割的动态图语义特征提取方法， 其特征 在于， 所述单通道特 征ci表示为： 其中， i表示 通道上的特 征， N表示有N个点， 更新组内特 征得到： 其中， j表示 点， 取值范围在1～N； 对组内点的不同特 征相加， 整组的语义特 征pg， 表示为：权　利　要　求　书 1/2 页 2 CN 115019053 A 2其中， pg表示一个组的语义特 征， i表示第g组的单通道， g表示是第G组特 征。 7.根据权利要求1所述的一种用于点云分类分割的动态图语义特征提取方法， 其特征 在于， 所述整组的语义特 征pg进行归一 化处理后表示 为： 引入学习尺度参数γ和偏移β 调整组归 一化数据， 得到整组的语义特征pg归一化后调整 表示为： ag＝γ·pg+β 。 8.根据权利要求1所述的一种用于点云分类分割的动态图语义特征提取方法， 其特征 在于， 所述整组的语义特征pg和原组特征xi～m＝{xi,...,xm}相乘， 得到交互后的特征 表 示为： 再将各组数据进行拼接， 得到特 征 9.根据权利要求1所述的一种用于点云分类分割的动态图语义特征提取方法， 其特征 在于， 得到 权重 W＝t(X)； W为权重， t()为多层感知机 MLP经过softmax处 理； 单个局部图特 征 权重 所述单个图注意的表示 为： 所有局部图的特 征组成 之后经过MLP处理。 10.根据权利要求1所述的一种用于点云分类分割的动态图语义特征提取方法， 其特征 在于， 所述聚合特 征f的标识为： f＝α·fg+β·fp。权　利　要　求　书 2/2 页 3 CN 115019053 A 3