[發(fā)明專利]一種基于多層級的高質(zhì)量點云補(bǔ)全方法

有效

• 申請?zhí)枺?/td>: 202110457260.1
• 申請日: 2021-04-27
• 公開（公告）號: CN113240594B
• 公開（公告）日: 2022-06-24
• 發(fā)明（設(shè)計）人: 雷印杰;周子欽
• 申請（專利權(quán)）人: 四川大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T19/20;G06N3/04
• 代理公司: 廣東中禾共贏知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44699
• 代理人: 熊士昌

1.一種基于多層級的高質(zhì)量點云補(bǔ)全方法，其特征在于：該方法主要包括以下步驟：

S1、將原始?xì)埲秉c云經(jīng)過隨機(jī)區(qū)域劃分器生成為多個不完整區(qū)域；使用RandomSampling方法隨機(jī)挑選10個中心點，再在半徑0.3區(qū)域內(nèi)隨機(jī)選擇256個點作為不完整區(qū)域，由于每個樣本在迭代中會被選擇不同中心點，最終將獲得各式各樣的局部區(qū)域進(jìn)行預(yù)恢復(fù)；

S2、提取殘缺點云的全局特征與S1中得到不完整區(qū)域的局部特征；使用PCN網(wǎng)絡(luò)結(jié)構(gòu)提取特征，PCN網(wǎng)絡(luò)由兩層PointNet(PN)層{H ₁,H ₂}組成，第一層PN層通過共享的多層感知機(jī)(MLP)獲得逐點特征并接以最大池化操作獲得全局特征，第二個PN層融合逐點特征與全局特征，最終編碼得到點云形狀的全局特征，與每個區(qū)域的全局特征與逐點特征；

S3、通過預(yù)恢復(fù)模塊生成預(yù)恢復(fù)后的完整區(qū)域；以學(xué)習(xí)局部幾何結(jié)構(gòu)并從部分對象中恢復(fù)具有豐富細(xì)節(jié)的局部區(qū)域，每個三維形狀都由一組預(yù)先恢復(fù)的完整區(qū)域組成；

S4、通過S3中生成的預(yù)恢復(fù)的完整區(qū)域通過多層級特征聚合器獲得融合特征；設(shè)計一個多層級特征聚合器，將一組預(yù)恢復(fù)區(qū)域的局部特征融合得到此三維形狀特征，整個多層級特征聚合級包含點級別、局部級別與全局級別，不斷傳遞與融合局部與全局信息，最終獲得高度濃縮的點云特征用于恢復(fù)出完整形狀；

S5、采取由粗到細(xì)的策略生成最終具有豐富細(xì)節(jié)的完整點云；在第一階段恢復(fù)分辨率較低的粗粒度完整點云，恢復(fù)三維點云的形狀、輪廓與結(jié)構(gòu)；在第二階段對空間坐標(biāo)進(jìn)行修正，輸出偏移量生成細(xì)粒度完整點云；

S6、將S3與S5得到的局部與全局點云與對應(yīng)真實完整點云計算損失，并依據(jù)損失值訓(xùn)練網(wǎng)絡(luò)；

S7、保存訓(xùn)練模型，即可得應(yīng)用于殘缺點云數(shù)據(jù)進(jìn)行補(bǔ)全操作。

2.根據(jù)權(quán)利要求1所述的一種基于多層級的高質(zhì)量點云補(bǔ)全方法，其特征在于：所述S3、S5中引入提高生成點云坐標(biāo)平滑性的二維網(wǎng)格。

3.根據(jù)權(quán)利要求1所述的一種基于多層級的高質(zhì)量點云補(bǔ)全方法，其特征在于：所述S6中使用倒角損失計算生成點云與真實完整點云之間的距離。

4.根據(jù)權(quán)利要求1所述的一種基于多層級的高質(zhì)量點云補(bǔ)全方法，其特征在于：所述S3部分的局部損失引入動態(tài)訓(xùn)練策略。