[发明专利]一种基于改进的Transformer的秦俑碎块去噪方法

权利要求书

1.一种基于改进的Transformer的秦俑碎块去噪方法，其特征在于，包括如下步骤：

步骤1、对秦俑数据的点云样本进行预处理从而实现数据增强和标注处理；

步骤2、将预处理后的点云样本全部作为训练集，并分批导入输入嵌入模块并映射到高维空间；

步骤3、将高维空间的点云导入改进后的Transformer编码器中的自适应下采样模块，先用最远点采样算法FPS获得相对统一的点作为原始采样点，再用自适应邻域采样算法AS自动学习每个采样点的偏移并更新采样点位置信息，从而缩小数据量并保留原点云模型的结构属性；

步骤4、将下采样后的结果导入经过改进的Transformer的编码器模块，通过点云的相对注意力RA模块增强点云的特征从而实现特征的有效提取；

步骤5、以改进的Transformer的解码器的输出作为依据，对每个点的流形进行重建并在每个点对应的流形结构上按比例进行采样，选择更接近干净点云的点重建三维表面；

步骤6、利用改进的Transformer编码器-解码器架构对导入的数据不断的进行步骤3-步骤5的迭代训练，直到损失函数loss值很小且趋于平稳，得到去噪后的干净点云。

2.根据权利要求1所述的基于改进的Transformer的秦俑碎块去噪方法，其特征在于，所述步骤1的数据增强包括对数据旋转、平移和缩放。

3.根据权利要求1所述的基于改进的Transformer的秦俑碎块去噪方法，其特征在于，所述步骤3的自适应邻域采样算法AS包括如下步骤：

步骤3.1、令P_s为从第N个输入点采样N_s个点构成的点集，且N_sN，x_i为点集P_s中的采样点，x_i∈P_s，f_i是采样点x_i的特征，f_i∈F_s，通过k-NN查询将采样点x_i的邻居分组，并使用一般的自注意力机制进行特征更新；

步骤3.2、将采样点x_i的k个邻居x_i,1，...，x_i,k对应的特征f_i,1，...，f_i,k表示为：

式中，A用于聚合特征，R用于描述采样点x_i与邻居点x_i,j之间的高级关系，γ用于改变每个邻居点的特征维度，为减少计算量，令γ(x_i,j)＝W_γf_i,j，关系函数R表示为：

式中，D'是Conv的输出通道；

步骤3.3、对每一个采样点x_i使用MLP+Softmax，获得组内每个点的坐标及特征通道的归一化权重W_p和W_f，表示为：

W_p＝Soft max(mlp(x_i,j)) (3)

W_f＝Soft max(mlp(f_i,j)) (4)

公式(3)和(4)中，j∈[1,k]；

步骤3.4、通过加权求和运算实现采样点x_i及其特征f_i的自适应更新，与即为更新后的点信息，表示为：