一种用于开放性词汇点云可供性检测的多模式基础模型

本发明公开了一种用于开放性词汇点云可供性检测的多模式基础模型(ALKNet)，包括：步骤1、获取3D点云可供性检测数据集；步骤2、对开放性词汇点云可供性检测模型训练方法OpenAD进行改进，提出了大型内核选择模块(LKS)和局部网络融合模块(PNF)以及附加注意力模块(AA)；步骤3、训练改进后的模型并得到测试结果；步骤4、进行消融实验，验证每个模块的有效性以及各个模块的最优位置。本发明的方法，在OpenAD训练模型的方法上创新地将LKS模块用于捕获点云中的分层几何细节；PNF模块用于融合浅层和深层特征图；AA模块用于最佳地组合多模态特征。通过这些改进，提升了训练出的模型在零样本检测下的平均交并比(mIoU)、准确率(Acc)以及平均准确率(mAcc)值。