(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210908876.0 (22)申请日 2022.07.29 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区(西区) 西源大道 2006号 (72)发明人 王旭鹏　张梓豪　桑楠　孙博艺　 周银源　蔡木目心 　 (74)专利代理 机构 成都华风专利事务所(普通 合伙) 51223 专利代理师 张巨箭 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/762(2022.01) G06V 10/44(2022.01) G06V 20/56(2022.01) (54)发明名称 一种基于曲率距离与硬具体分布的对抗点 云生成方法、 系统、 存 储介质及终端 (57)摘要 本发明公开了一种基于曲率距离与硬具体 分布的对抗点云生成方法、 系统、 存储介质及终 端， 属于可信人工智能领域， 方法包括： 使用神经 网络提取所述点云的特征； 根据提取的特征分别 生成扰动和攻击点， 其中， 通过生成扰动神经网 络生成扰动， 通过硬具体分布生成攻击点； 将所 述扰动施加于所述攻击点生成对抗点云， 其中， 使用包含曲率距离的损失函数规约所述对抗点 云的生成。 本发明通过神经网络生成点云， 节省 时间， 通过选 择攻击点， 节约计算资源， 提升生成 对抗点云的效率， 同时， 利用曲率约束整个生成 过程， 提升生成对抗 点云的不可感知性。 权利要求书3页 说明书7页 附图1页 CN 115100503 A 2022.09.23 CN 115100503 A 1.一种基于曲率距离与硬具体分布的对抗点云生成方法， 其特征在于， 所述方法包括 以下步骤： S1、 获取点云； S2、 使用神经网络提取 所述点云的特 征； S3、 根据提取的特征分别生成扰动和攻击点， 其中， 通过生成扰动神经网络生成扰动， 通过硬具体分布生成攻击点； S4、 将所述扰动施加于所述攻击点生成对抗点云， 其中， 使用包含曲率距离的损失函数 规约所述对抗 点云的生成。 2.根据权利要求1所述的一种基于曲率距离与硬具体分布的对抗点云生成方法， 其特 征在于， 所述 步骤S2包括： S21、 随机采样点云至1024个点的点云p； S22、 通过1乘1卷积计算所述点云p， 得到经过卷积迭代后的特征t， 所述特征t计算公式 为： t＝1*1co nv(p)； S23、 对迭代后的特征t进行最远距离采样， 并采样至迭代后的特征t的二分之一数量， 得到采样后的特 征t’， 所述采样后的特 征t’＝FPS(t)， FPS表示最远距离采样； S24、 以采样后的特征t ’为中心， 相对于所述迭代后的特征t， 使用最近邻 采样聚类处理 采样后的特 征t’， 得到聚类后的采样特 征jt； S25、 对聚类后的采样特征jt中每一个聚类， 使用最大值池化计算每一个聚类的特征， 得到具有局部特 征的点云p ’， 所述p’＝maxpooling(cluster(jt) )； S26、 将具有局部特征的点云p ’作为S22的点云， 重复S22 ‑S25三次， 分别得到点云p ”、 点 云p” ’、 点云p” ”； S27、 将所述 点云p’、 点云p”、 点云p” ’、 点云p” ”进行拼接， 得到最终提取的特 征a。 3.根据权利要求2所述的一种基于曲率距离与硬具体分布的对抗点云生成方法， 其特 征在于， 所述 步骤S3中根据提取的特 征生成扰动， 包括： S31、 使用全连接网络计算 最终提取的特 征a， 得到进一 步迭代后的特 征； S32、 使用S31中迭代后的特 征通过最大池化计算得到扰动of fset。 4.根据权利要求2所述的一种基于曲率距离与硬具体分布的对抗点云生成方法， 其特 征在于， 所述 步骤S3中根据提取的特 征生成攻击点， 包括： S33、 生成参数u和参数β， 其中参数u服从0 ‑1的均匀分布， 参数β ＝0.99， 根据如下公式 计算生成中间变量t： t＝(ln(u)+ln(1‑u)+ln(a))/β； S34、 根据所述中间变量t与自然对数 e， 经过如下公式计算得到硬混泥土分布s： S35、 截取s的值 生成mask， 使用如下公式将s限制在0 ‑1之间： mask＝min(1， max(0， s) )； S36、 根据所述S3 5生成的mask以及所述S21的点云p生成攻击点at tackpoints： attackpoints＝mask*p。权　利　要　求　书 1/3 页 2 CN 115100503 A 25.根据权利要求4所述的一种基于曲率距离与硬具体分布的对抗点云生成方法， 其特 征在于， 所述 步骤S4中将所述扰动施加于所述 攻击点生成对抗 点云， 包括： 使用S32得到的扰动offset、 S36得到的攻击点attackpoints以及所述S21中的点云p， 通过如下公式计算 生成对抗 点云pa： pa＝p+attackpoints*offset。 6.根据权利要求5所述的一种基于曲率距离与硬具体分布的对抗点云生成方法， 其特 征在于， 所述 步骤S4中使用包 含曲率距离的损失函数规约所述对抗 点云的生成， 包括： S41、 计算所述S21中的点云p的半正定矩阵Msemidefi nite： 其中， Np表示点云p的邻居点， 一个点包 含32个邻居点表示 为p’， 表示向量外积； S42、 计算所述半正定矩阵Msemidefinite的特征值， 以其中最小特征值作为点云p的法向量 np； S43、 通过 下式计算所述 点云p的法向量 np的变化趋势cp： 其中， Np表示点云p的邻居点， 一共 包含32个邻居点， np’表示邻居点的法向量； S44、 通过下式计算所述 生成对抗 点云pa之间法向量的变化趋势 表示生成对抗点云pa的法向量， 表示点云p的邻居节点， 一共包含32个邻居点， 表示邻居点的法向量； S45、 使用法向量np的变化趋势cp以及生成对抗点云pa之间法向量的变化趋势 计算 曲率距离的损失Lcur： 7.根据权利要求1所述的一种基于曲率距离与硬具体分布的对抗点云生成方法， 其特 征在于， 所述S1中点云通过 雷达获取。 8.一种基于曲率距离与硬具体分布的对抗 点云生成系统， 其特 征在于， 所述系统包括： 点云获取模块， 用于获取点云； 点云特征提取模块， 使用神经网络提取 所述点云的特 征； 扰动和攻击点生成模块， 用于根据提取的特征分别生成扰动和攻击点， 其中， 通过生成 扰动神经网络生成扰动， 通过硬具体分布生成攻击点； 对抗点云生成模块， 用于将所述扰动施加于所述攻击点生成对抗点云， 其中， 使用包含 曲率距离的损失函数规约所述对抗 点云的生成。 9.一种存储介质， 其上存储有计算机指令， 其特征在于， 所述计算机指令运行时执行权 利要求1‑7中任意一项所述对抗 点云生成方法的步骤。权　利　要　求　书 2/3 页 3 CN 115100503 A 3