公开(公告)号：CN114241110B

公开(公告)日：2022-06-03

申请号：CN202210165979.2

申请日：2022-02-23

Applicant: 北京邮电大学

Inventor： 尹建芹 ,  齐超 ,  徐靖航 ,  牛迎春

IPC: G06T15/00 ,  G06T17/00 ,  G06N5/04

Abstract: 本发明提出一种基于邻域聚合蒙特卡罗失活的点云语义不确定度感知方法，其中包括，获取待处理场景的原始点云；将原始点云作为输入，以PointNet(++)为基础模型构建NSA‑MC‑dropout框架，其中，在编码阶段，NSA‑MC‑dropout框架生成不同粒度的特征向量，在解码阶段，特征向量被拼接到对应空间点，运用带有空间采样的多层感知机进行推理后生成各个无序点的随机推理结果；通过对随机推理结果进行融合实现单次随机推理建立原始点云中各个无序点预测分布；通过捕获预测分布中包含的信息量来量化点云语义不确定度或通过建模所述预测分布的分散程度来量化点云语义不确定度。在不增加模型参数和推理次数的基础上，实现了不确定度感知点云语义分割的框架。

公开(公告)号：CN114241110A

公开(公告)日：2022-03-25

申请号：CN202210165979.2

申请日：2022-02-23

Applicant: 北京邮电大学

Inventor： 尹建芹 ,  齐超 ,  徐靖航 ,  牛迎春

IPC: G06T15/00 ,  G06T17/00 ,  G06N5/04

Abstract: 本发明提出一种基于邻域聚合蒙特卡罗失活的点云语义不确定度感知方法，其中包括，获取待处理场景的原始点云；将原始点云作为输入，以PointNet(++)为基础模型构建NSA‑MC‑dropout框架，其中，在编码阶段，NSA‑MC‑dropout框架生成不同粒度的特征向量，在解码阶段，特征向量被拼接到对应空间点，运用带有空间采样的多层感知机进行推理后生成各个无序点的随机推理结果；通过对随机推理结果进行融合实现单次随机推理建立原始点云中各个无序点预测分布；通过捕获预测分布中包含的信息量来量化点云语义不确定度或通过建模所述预测分布的分散程度来量化点云语义不确定度。在不增加模型参数和推理次数的基础上，实现了不确定度感知点云语义分割的框架。