(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 202210689275.5 (22)申请日 2022.06.17 (71)申请人 北京交通大 学 地址 100089 北京市海淀区西直门外上园 村3号 (72)发明人 金一　王旭　岑翼刚　刘柏甫　 王涛　李浥东　 (74)专利代理 机构 北京市商 泰律师事务所 11255 专利代理师 邹芳德 (51)Int.Cl. G06T 17/00(2006.01) G06V 10/46(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 任务导向的点云数据下采样方法及系统 (57)摘要 本发明提供任务导向的点云数据下采样方 法及系统， 属于点云数据处理技术领域， 对变换 器网络中资源密集型的结构进行调整， 去除位置 嵌入、 简化输入数据嵌入层结构， 删除自注意力 机制的映射矩阵操作， 在前馈神经网络层引入扩 缩策略； 基于采样损失函数， 扩大下采样点云的 覆盖范围和重点区域的关注能力， 促进生成点云 为原始点云的真子集； 将下采样模块与任务网络 相结合， 利用采样损失和任务损失共同更新下采 样网络的权重参数。 本发明降低了对计算和存储 资源的消耗； 设计采样损失函数， 促使获得点云 分布更加均匀、 关键点覆盖更加全面的真子集点 云数据； 将通用下采样模块与三维分类任务网络 相结合， 实现任务网络的性能最优化和资源开销 最小化的有效权 衡。 权利要求书2页 说明书11页 附图3页 CN 115049786 A 2022.09.13 CN 115049786 A 1.一种任务 导向的点云数据下采样方法， 其特 征在于， 包括： 对变换器网络中资源密集型的结构进行调整， 去 除位置嵌入、 简化输入数据嵌入层结 构， 删除自注意力机制的映射矩阵操作， 在前馈神经网络层引入 扩缩策略； 基于采样损 失函数， 扩大下采样点云的覆盖范围和重点区域的关注能力， 促进生成点 云为原始点云的真子集； 将下采样模块与任务网络相结合， 利用采样损失和任务损失共同更新下采样网络的权 重参数。 2.根据权利要求1所述的任务导向的点云数据 下采样方法， 其特征在于， 对变换器网络 中资源密集型的结构进 行调整， 去除位置嵌入、 简化输入数据嵌入层结构， 删除自注意力机 制的映射矩阵操作， 在前馈神经网络层引入 扩缩策略， 包括： 构建轻量 化输入数据嵌入层； 将自注意力 机制中查询向量、 键向量的映射步骤删除， 仅保留输入数据的点乘运算， 构 建轻量化自相关注意力机制； 构建可扩 缩前馈神经网络 。 3.根据权利要求1所述的任务导向的点云数据 下采样方法， 其特征在于， 采样损失的数 学化公式表示 为： Lsampling＝LCD+α Lrepl+β Lsoft, 其中， 其中α和β 是正则化参数， LCD表示倒角损失函数， Lrepl表示排斥损失函数； Lsoft表示 非线性映射损失。 4.根据权利要求3所述的任务导向的点云数据 下采样方法， 其特征在于， 倒角 损失函数 LCD(Q,P)为： 其中， Q表示 生成点云， q表示 生成点云中的点； P表示原 始点云， p表示原 始点云中的点。 5.根据权利要求3所述的任务导向的点云数据 下采样方法， 其特征在于， 排斥损失函数 为： 其中， η(r)＝max(0,h2‑r2)是保证q与Q中其他点保持特定距离的函数， h表示生成点之 间的平均分离距离， k代 表q的K近邻个数。 6.根据权利要求3所述的任务导向的点云数据 下采样方法， 其特征在于， 非线性映射损 失包括： 利用q的k个近邻点的平均权 重w作为软投影点z来表示q， 具体数 学化公式表示 为： 接下来， Gumbel ‑Softmax Trick被用来优化权 重w， 具体数 学化公式表示 为： 权　利　要　求　书 1/2 页 2 CN 115049786 A 2其中， t是一个可学习的温度系数， 控制权重w的分布形状， 当t趋于0时， 点z可以被近似 为输入点云的真子集； 最后， 在采样损失中加入映射损失， 以优化软投影的非线性和收敛性， 具体数学化公式 表示为： Lsoft＝T(t),t∈[0,+∞), 其中， T(·)为t的函数， 用于引入非线性关系。 7.一种任务 导向的点云数据下采样系统， 其特 征在于， 包括： 变换器模块， 用于对变换器网络 中资源密集型的结构进行调整， 去除位置嵌入、 简化输 入数据嵌入层结构， 删除自注意力机制的映射矩阵操作， 在前馈神经网络层引入 扩缩策略； 采样损失模块， 用于基于采样损 失函数， 扩大下采样点云的覆盖范围和重点区域的关 注能力， 促进生成点云为原 始点云的真子集； 任务导向模块， 用于将下采样模块与任务网络相结合， 利用采样损 失和任务损 失共同 更新下采样网络的权 重参数。 8.一种计算机可读存储介质， 其存储有计算机程序， 其特征在于， 所述计算机程序被处 理器执行时实现如 如权利要求1 ‑6任一项所述的任务 导向的点云数据下采样方法。 9.一种计算机设备， 其特征在于， 包括存储器和处理器， 所述处理器和所述存储器相互 通信， 所述存储器存储有可被所述处理器执行 的程序指令， 所述处理器调用所述程序指令 执行如权利要求1 ‑6任一项所述的任务 导向的点云数据下采样方法。 10.一种电子设备， 其特征在于， 包括存储器和处理器， 所述处理器和所述存储器相互 通信， 所述存储器存储有可被所述处理器执行 的程序指令， 所述处理器调用所述程序指令 执行如权利要求1 ‑6任一项所述的任务 导向的点云数据下采样方法。权　利　要　求　书 2/2 页 3 CN 115049786 A 3