基于局部特征融合和并行自适应池化注意力机制的牙齿支架点云分割方法及系统与流程

1.一种基于局部特征融合和并行自适应池化注意力机制的牙齿支架点云分割方法，其特征在于，包含：

2.根据权利要求1所述的基于局部特征融合和并行自适应池化注意力机制的牙齿支架点云分割方法，其特征在于，所述编码器包括多个堆叠设置的多个spotr层，前两个spotr层基于并行自适应池化注意力机制构成用于提取输入点云关键特征的papa-spotr层，最后一个spotr层基于采样点云特征和前一层输出特征获取输入点云的全局特征，其中，每个spotr层均由采样层、分组层和spotrblock层组成，采样层利用最远距离采样法从输入点云数据中获取采样点云，分组层以采样点云为中心点、将指定半径的球形区域作为局部区域分组，利用spotrblock层对分组后的点云进行特征提取。

3.根据权利要求1或2所述的基于局部特征融合和并行自适应池化注意力机制的牙齿支架点云分割方法，其特征在于，利用并行自适应池化注意力机制动态选择点云通道和空间维度最相关的关键特征，包含：

4.根据权利要求1所述的基于局部特征融合和并行自适应池化注意力机制的牙齿支架点云分割方法，其特征在于，所述解码器由多个上采样层构成，每个上采样层通过插值和连接拼接来进行上采样，其中，插值基于最近邻点云的反距离加权平均执行反向插值操作，以获取上采样的点云特征。

5.根据权利要求4所述的基于局部特征融合和并行自适应池化注意力机制的牙齿支架点云分割方法，其特征在于，插值过程包含：针对当前上采样层中的点云，获取上一层上采样层中与该点云距离最近的k个邻居点，将点云和邻居点相应特征进行加权求和，得到当前上采样层中的点云特征，其中，加权求和中的权重为距离反函数。

6.根据权利要求1所述的基于局部特征融合和并行自适应池化注意力机制的牙齿支架点云分割方法，其特征在于，所述预测头包含多个mlp层，利用mlp层来预测输出点云类别得分。

7.根据权利要求1所述的基于局部特征融合和并行自适应池化注意力机制的牙齿支架点云分割方法，其特征在于，点云分割模型训练过程，包含：

8.一种基于局部特征融合和并行自适应池化注意力机制的牙齿支架点云分割系统，其特征在于，包含：数据获取模块和点云分割模块，其中，

9.一种电子设备，其特征在于，包括：

10.一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程序，当计算机程序被执行时，能够实现如权利要求1～7任一项所述的方法。