本申请涉及计算机点云分析领域，尤其涉及一种显式局部几何结构建模的点云识别方法及装置。
背景技术：
1、随着深度学习的发展，使用神经网络进行点云识别越来越受到研究者的重视。然而，与图像识别不同的是，点云数据是无序无规则的，因此cnn无法直接应用到点云数据上捕获局部结构信息。为了解决这个问题，pointnet++提出使用局部采样构建邻域，并通过可学习的聚合层提取邻域结构特征。这种范式奠定了点云识别网络的基础，后续许多工作在pointnet++的基础上，通过设计更复杂精细的聚合层来更有效建模点云的局部几何结构，改善点云识别任务的性能。
2、然而，现有pointnet++的范式可以认为是一种隐式局部几何结构建模的方法，其通常先对邻域内的各个邻域点向量进行高维特征建模，然后在高维特征空间对所有向量聚合捕获隐式的局部几何结构，由于隐式的局部几何结构与点云本身自带的显式局部几何结构有着较大的差异，这加大了模型学习的难度。因此这种pointnet++的范式为了提高点云识别任务的性能，通常需要堆叠大量复杂精细的可学习聚合层来学习隐式局部几何结构，这额外带来了较大的参数量和计算开销。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本申请的第一个目的在于提出一种显式局部几何结构建模的点云识别方法，通过利用点云本身自带的显式局部几何结构引导聚合层学习，大大减少了模型学习的难度，仅增加少量可忽略不计的参数就可以有效的改善点云识别的性能。
3、本申请的第二个目的在于提出一种显式局部几何结构建模的点云识别装置。
4、本申请的第三个目的在于提出一种电子设备。
5、本申请的第四个目的在于提出一种计算机可读存储介质。
6、本申请的第五个目的在于提出一种计算机程序产品。
7、为达上述目的，本申请第一方面实施例提出了一种显式局部几何结构建模的点云识别方法，包括：
8、获取输入点云，使用局部采样方法对所述输入点云中的每个中心点进行k邻域采样；
9、通过奇异值分解采样得到的k个邻域点与所述中心点的坐标差矩阵，捕获得到第一显式局部几何结构，去除所述第一显式局部几何结构中的噪声点，得到第二显式局部几何结构；
10、利用所述第二显式局部几何结构生成邻域聚合层的内核kernel参数，基于所述kernel参数建模所述k个邻域点的特征向量，使用最大池化聚合建模的所有特征向量，捕获高维空间内的第三式局部几何结构；
11、将所述第三式局部几何结构内不同邻域内的特征进行聚合，生成第四显式局部几何结构。
12、可选的，所述获取输入点云，包括:
13、使用任意处理点云的深度视觉模型得到所述输入点云的特征及其对应坐标，所述深度视觉模型包括pointnet++与pointmlp。
14、可选的，所述通过奇异值分解采样得到的k个邻域点与所述中心点的坐标差矩阵，捕获得到第一显式局部几何结构，包括：
15、通过奇异值分解采样得到的k个邻域点与所述中心点的坐标差矩阵，得到分解后其对应的特征向量和特征值；
16、组合分解后其对应的特征向量和特征值，得到所述第一显式局部几何结构。
17、可选的，所述去除所述第一显式局部几何结构中的噪声点，得到第二显式局部几何结构，包括：
18、构建交叉注意力机制，在所述交叉注意力机制中，比较所述k个邻域点与所述第一显式局部几何结构的差异，确定与所述第一显式局部几何结构差异程度大于差异阈值的离群点，其中，所述噪声点被定义为与所述第一显式局部几何结构差异程度大于差异阈值的离群点；
19、去除所述噪声点，得到所述第二显式局部几何结构。
20、可选的，所述将所述第三式局部几何结构内不同邻域内的特征进行聚合，生成第四显式局部几何结构，包括：
21、确定上下文区域，其中，所述上下文区域为与当前局部邻域有重叠区域的周围邻域；
22、确定当前局部邻域与所述上下文区域的重叠区域，得到所述重叠区域内的重叠邻域点；
23、将所述重叠邻域点在不同邻域内的特征进行聚合以完善所述第三式局部几何结构，得到所述第四显式局部几何结构。
24、为达上述目的，本申请第二方面实施例提出了一种显式局部几何结构建模的点云识别装置，包括:
25、采样模块，用于获取输入点云，使用局部采样方法对所述输入点云中的每个中心点进行k邻域采样；
26、分解与去噪模块，用于通过奇异值分解采样得到的k个邻域点与所述中心点的坐标差矩阵，捕获得到第一显式局部几何结构，去除所述第一显式局部几何结构中的噪声点，得到第二显式局部几何结构；
27、最大池化聚合模块，用于利用所述第二显式局部几何结构生成邻域聚合层的内核kernel参数，基于所述kernel参数建模所述k个邻域点的特征向量，使用最大池化聚合建模的所有特征向量，捕获高维空间内的第三式局部几何结构；
28、上下文聚合模块，用于将所述第三式局部几何结构内不同邻域内的特征进行聚合，生成第四显式局部几何结构。
29、为达上述目的，本申请第三方面实施例提出了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
30、所述存储器存储计算机执行指令；
31、所述处理器执行所述存储器存储的计算机执行指令，以实现如上述第一方面中任一项所述的方法。
32、为达上述目的，本申请第四方面实施例提出了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述第一方面中任一项所述的方法。
33、为达上述目的，本申请第五方面实施例提出了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项所述的方法。
34、本申请的实施例提供的技术方案至少带来以下有益效果：
35、通过利用点云自带的显式局部几何结构动态生成聚合层的模型参数，将点云的几何强先验引入到模型中去，大大减少了模型学习的难度；提出动态去噪模型，通过构建邻域点与显式几何局部结构的交叉注意力机制，将与整体结构差异较大的离群点动态去除，提高了显式结构的表征能力；提出了邻域上下文传播模型，通过动态传播邻域上下文信息，避免了由于随机邻域采样算法导致无法捕获完整的局部信息，将点云的局部几何结构进行了更完整的建模，有效提升了模型的性能。
36、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
1.一种显式局部几何结构建模的点云识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取输入点云，包括:
3.根据权利要求1所述的方法，其特征在于，所述通过奇异值分解采样得到的k个邻域点与所述中心点的坐标差矩阵，捕获得到第一显式局部几何结构，包括：
4.根据权利要求1所述的方法，其特征在于，所述去除所述第一显式局部几何结构中的噪声点，得到第二显式局部几何结构，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述第三式局部几何结构内不同邻域内的特征进行聚合，生成第四显式局部几何结构，包括：
6.一种显式局部几何结构建模的点云识别装置，其特征在于，包括：
7.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-5中任一项所述的方法。
9.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的方法。
