1.基于散乱点云交叉注意学习的三维场景运动趋势估计方法，其特征在于，包括以下步骤：步骤一：分别对输入的第一帧点云X、第二帧点云Y使用邻近算法寻找近邻点，获取各点的邻近位置信息；

步骤二：将获取的邻近位置信息输入多层卷积网络，提取多层点云特征向量Fx、Fy；

步骤三：将多层点云特征向量连接，输入一维卷积网络进行特征聚合，得到新的点云特征向量Fx、Fy；

步骤四：将点云的特征向量 、 输入基于交叉注意力机制的关联特征提取模块中，输出新的点云特征，再将新的特征向量与 、 相加，得到最终的点云特征 、 ；

                       (1)

                        (2)

其中，:   是Transformer学习得到的非对称映射函数，N为点云中点的个数，P代表特征维度； 被视作一个残差项，基于 、 的输入顺序为其提供一个附加的改变项 ；与 相比，除包含点云X自身的特征信息外， 还学习到点云Y 中与X相关的结构信息；

步骤五：基于两帧点云的特征，通过Sinkhorn算法计算得到点云X中各点与点云Y中各点为对应点的权重；

步骤六：根据上步得到的权重计算点云X中各点的运动向量，第一帧点云中的点x与点云Y各点的坐标差与其对应的权重相乘，加权得到点x的运动向量 ；

步骤七：将上步得到的运动向量与点云X的邻近位置信息输入校准模块，进而得到估计点云运动趋势。

2.根据权利要求1所述的基于散乱点云交叉注意学习的三维场景运动趋势估计方法，其特征在于，所述校准模块包括该模块包括三个二维卷积层和一个线性层。

3.根据权利要求1所述的基于散乱点云交叉注意学习的三维场景运动趋势估计方法，其特征在于：在初步得到点云的运动向量后，将运动向量与点云X的邻近位置信息输入校准模块，根据点云间位置关系对运动向量进行微调。