技術(shù)特征：

1.一種基于多尺度多層次transformer的幾何點(diǎn)云壓縮方法，其特征在于由如下步驟所組成：

2.根據(jù)權(quán)利要求1所述的基于多尺度多層次transformer的幾何點(diǎn)云壓縮方法，其特征在于：在步驟(2)構(gòu)建點(diǎn)云幾何壓縮網(wǎng)絡(luò)中，所述的多尺度局部特征提取模塊由局部特征提取分支1與局部特征提取分支2、局部特征提取分支3并聯(lián)構(gòu)成。

3.根據(jù)權(quán)利要求2所述的基基于多尺度多層次transformer的幾何點(diǎn)云壓縮方法，其特征在于：所述的局部特征提取分支1由下采樣層與共享多層感知機(jī)、最大池化層依次串聯(lián)構(gòu)成；所述的局部特征提取分支2、局部特征提取分支3的結(jié)構(gòu)與局部特征提取分支1相同；

4.根據(jù)權(quán)利要求1所述的基于多尺度多層次transformer的幾何點(diǎn)云壓縮方法，其特征在于：在步驟(2)構(gòu)建點(diǎn)云幾何壓縮網(wǎng)絡(luò)中，所述的全局特征提取模塊由共享多層感知機(jī)與最大池化層串聯(lián)構(gòu)成。

5.根據(jù)權(quán)利要求1所述的基于多尺度多層次transformer的幾何點(diǎn)云壓縮方法，其特征在于：在步驟(2)構(gòu)建點(diǎn)云幾何壓縮網(wǎng)絡(luò)中，所述的多尺度transformer模塊由偏移注意力塊1與偏移注意力塊2、偏移注意力塊3、偏移注意力塊4依次串聯(lián)構(gòu)成。

6.根據(jù)權(quán)利要求1所述的基于多尺度多層次transformer的幾何點(diǎn)云壓縮方法，其特征在于：在步驟(2)構(gòu)建點(diǎn)云幾何壓縮網(wǎng)絡(luò)中，所述的多層次transformer模塊的構(gòu)建方法如下：

技術(shù)總結(jié)
一種基于多尺度多層次Transformer的幾何點(diǎn)云壓縮方法，由數(shù)據(jù)集預(yù)處理、構(gòu)建點(diǎn)云幾何壓縮網(wǎng)絡(luò)、訓(xùn)練點(diǎn)云幾何壓縮網(wǎng)絡(luò)、測(cè)試點(diǎn)云幾何壓縮網(wǎng)絡(luò)步驟組成。本發(fā)明與其他基于點(diǎn)的點(diǎn)云幾何壓縮方法相比，本發(fā)明采用多尺度局部特征提取模塊提取多個(gè)尺度的點(diǎn)云局部特征，用全局特征提取模塊提取幾何信息的全局特征，使網(wǎng)絡(luò)有效地學(xué)習(xí)點(diǎn)云多個(gè)尺度的局部區(qū)域信息，保留了豐富的局部細(xì)節(jié)信息；使用多尺度Transformer模塊對(duì)多個(gè)尺度的特征進(jìn)行融合，增強(qiáng)了特征的表示能力；引入了多層次Transformer學(xué)習(xí)跨層次的特征相互關(guān)系，進(jìn)一步融合點(diǎn)云的幾何和語(yǔ)義信息。經(jīng)對(duì)比實(shí)驗(yàn)結(jié)果表明，本發(fā)明方法提高了點(diǎn)云的重建質(zhì)量，保留了點(diǎn)云更多的空間細(xì)節(jié)，計(jì)算成本低，可用于點(diǎn)云幾何壓縮領(lǐng)域。

技術(shù)研發(fā)人員：艾達(dá),聶子賀,秦斯渝,高山頌
受保護(hù)的技術(shù)使用者：西安郵電大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19