[發明專利]一種點云補全方法、裝置、設備及存儲介質

有效

• 申請號: 202110388568.5
• 申請日: 2021-04-12
• 公開（公告）號: CN112767554B
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 殷俊;栗仁武;張凌霄;李淳芃;高林
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06T17/20
• 分類號: G06T17/20;G06T5/00;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 常忠良

1.一種點云補全方法，其特征在于，所述方法包括：

獲取待補全的目標原始點云數據；

通過點云補全模型，根據所述目標原始點云數據生成目標完整點云數據；所述點云補全模型是教師學生網絡模型中的學生網絡模型，所述教師學生網絡模型是采用訓練掃描目標對應的原始點云數據和標準點云數據訓練的；

對目標點云數據集合進行稠密化處理，得到目標補全點云數據；所述目標點云數據集合包括所述目標完整點云數據；

在所述對目標點云數據集合進行稠密化處理，得到目標補全點云數據之前，所述方法還包括：通過偏移量預測模型，針對所述目標點云數據集合中的各個點分別確定其各自對應的偏移量；基于所述目標點云數據集合中各個點各自對應的偏移量，矯正所述目標點云數據集合；

則所述對目標點云數據集合進行稠密化處理，得到目標補全點云數據，包括：對矯正后的所述目標點云數據集合進行稠密化處理，得到所述目標補全點云數據。

2.根據權利要求1所述的方法，其特征在于，通過以下方式訓練所述教師學生網絡模型：

通過所述教師學生網絡模型中的學生網絡模型，對所述訓練掃描目標對應的原始點云數據進行點云補全處理，得到第一訓練完整點云數據；

通過所述教師學生網絡模型中的教師網絡模型，對所述訓練掃描目標對應的標準稀疏點云數據進行重建處理，得到第二訓練完整點云數據；所述訓練掃描目標對應的標準稀疏點云數據是對所述訓練掃描目標對應的標準點云數據進行下采樣處理得到的；

根據所述第一訓練完整點云數據和訓練參考點云數據，構建幾何損失函數；所述訓練參考點云數據包括所述標準稀疏點云數據和所述第二訓練完整點云數據中的任一種；

基于所述幾何損失函數，訓練所述教師學生網絡模型。

3.根據權利要求2所述的方法，其特征在于，所述通過所述教師學生網絡模型中的學生網絡模型，對所述訓練掃描目標對應的原始點云數據進行點云補全處理，得到第一訓練完整點云數據，包括：

通過所述學生網絡模型中的編碼器網絡，對所述原始點云數據進行編碼處理，得到第一編碼特征向量；通過所述學生網絡模型中的解碼器網絡，對所述第一編碼特征向量進行解碼處理，得到所述第一訓練完整點云數據；

所述通過所述教師學生網絡模型中的教師網絡模型，對所述訓練掃描目標對應的標準稀疏點云數據進行重建處理，得到第二訓練完整點云數據，包括：

通過所述教師網絡模型中的編碼器網絡，對所述標準稀疏點云數據進行編碼處理，得到第二編碼特征向量；通過所述教師網絡模型中的解碼器網絡，對所述第二編碼特征向量進行解碼處理，得到所述第二訓練完整點云數據。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

通過第一多層感知機，將所述第一編碼特征向量映射為第三編碼特征向量；通過第二多層感知機，將所述第二編碼特征向量映射為第四編碼特征向量；

利用所述第一編碼特征向量和所述第二編碼特征向量，構建第一特征對齊損失函數；利用所述第三編碼特征向量和所述第四編碼特征向量，構建第二特征對齊損失函數；

基于所述第一特征對齊損失函數和所述第二特征對齊損失函數，訓練所述教師學生網絡模型。

5.根據權利要求1所述的方法，其特征在于，通過以下方式構建所述目標點云數據集合：

對所述目標完整點云數據進行體素化處理，得到目標體素結構；

通過對稱性檢測網絡，確定所述目標體素結構的目標對稱平面；

基于所述目標對稱平面，確定與所述目標原始點云數據對稱的目標對稱點云數據；

基于所述目標完整點云數據、所述目標原始點云數據以及所述目標對稱點云數據，構建所述目標點云數據集合。