基于点云多样性表征和PointRCNN的多模态目标零件检测方法

本发明公开了基于点云多样性表征和PointRCNN的多模态目标零件检测方法，将点云数据的柱体表示和图表示结合起来，充分利用各自的优势来提高算法整体的特征表达能力，并结合流形自注意力机制构建点云中点与点之间的相对位置和结构信息，最终提高多模态目标零件检测的准确性和效率，包括下述步骤：通过数据预处理，将原始点云数据转换为2D主干网络所需数据格式；所得的数据输入到点云多样性表示模块和流形分组特征采样模块进行处理，获得多样化特征和多层图像特征；将多样化特征和多层图像特征输入进双层特征融合模块中，进行融合和增强处理，输出多模态融合特征；利用3D骨干网络对多模态融合特征进行目标零件检测，获得目标零件的检测结果。