一种基于视角信息和关系解耦的3D视觉物体定位方法

本发明公开了一种基于视角信息和关系解耦的3D视觉物体定位方法，包括：获取多模态数据并进行预处理得到3D场景点云数据和文本；设计一个简单关系解耦模块，对预处理后的文本进行空间关系解耦，得到多组简化空间描述；对3D场景点云数据进行特征提取得到3D物体特征，将多组简化空间描述转化为多组空间描述特征；设计一种视角信息传递模块，将可学习的多视角标记与空间描述特征结合；设计一个跨模态解码器，处理带视角信息的空间描述特征和3D物体特征，生成用于预测的融合特征；将融合特征经过分类头进行分类预测，计算出场景中每个物体的概率，并选择最大概率的物体作为最终的定位结果。本发明可提高3D视觉物体定位的准确性和鲁棒性。