[發明專利]一種基于各向異性卷積的點云補全方法及裝置在審
| 申請號： | 202110679234.3 | 申請日： | 2021-06-18 |
| 公開（公告）號： | CN113378112A | 公開（公告）日： | 2021-09-10 |
| 發明（設計）人： | 劉盛;李丁達;曹益峰;黃文豪;陳勝勇 | 申請（專利權）人： | 浙江工業大學 |
| 主分類號： | G06F17/15 | 分類號： | G06F17/15;G06K9/46;G06K9/62 |
| 代理公司： | 杭州君度專利代理事務所(特殊普通合伙) 33240 | 代理人： | 楊天嬌 |
| 地址： | 310014 浙*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 各向異性 卷積 點云補全 方法 裝置 | ||
1.一種基于各向異性卷積的點云補全方法，其特征在于，所述基于各向異性卷積的點云補全方法，包括：
采用迭代最遠點采樣算法對輸入的原始點云數據進行下采樣，獲得更小分辨率的兩個點云數據；
將原始點云數據及下采樣獲得的兩個點云數據輸入到各向異性卷積編碼器中，所述各向異性卷積編碼器分別提取點云數據的潛在特征，并連接所提取的三個潛在特征，使用MLP生成了最終特征向量；
將各向異性卷積編碼器生成的最終特征向量輸入到從粗糙到精細的組合金字塔解碼器中，從最終特征向量中推測出點云缺失部分。
2.如權利要求1所述的基于各向異性卷積的點云補全方法，其特征在于，所述各向異性卷積編碼器分別提取點云數據的潛在特征，包括：
依次經過四次各向異性卷積操作，將每次各向異性卷積操作后的中間特征進行激活函數操作，連接激活函數處理后的四個中間特征并使用MLP生成潛在特征。
3.如權利要求2所述的基于各向異性卷積的點云補全方法，其特征在于，所述各向異性卷積操作，包括：
通過等面積投影方法將斐波那契晶格映射到球體表面以獲得核點，計算出點云數據中的每個點與其相鄰點的相鄰位置，將相鄰位置與所述核點做點積，然后經過激活函數得到每個點的軟排列矩陣；
將點云數據中每個點與其相鄰點做位置編碼，連接所述位置編碼與前一次各向異性卷積操作輸出的中間特征，得到每個點對應的點特征向量；
將點云數據中的每個點的點特征向量與軟排列矩陣做點積操作后進行常規的卷積操作，得到本次各向異性卷積操作輸出的中間特征。
4.如權利要求1所述的基于各向異性卷積的點云補全方法，其特征在于，所述將各向異性卷積編碼器生成的最終特征向量輸入到從粗糙到精細的組合金字塔解碼器中，從最終特征向量中推測出點云缺失部分，包括：進行
將最終特征向量通過完全連接層，輸出對應于輸入點云三種不同分辨率的三個特征層FC1、FC2和FC3；
對特征層FC1進行預測，得到第一預測點云Ycoarse；
連接特征層FC1、FC2，對連接后的特征進行預測，得到第二預測點云Ymiddle；
連接FC1、FC2和FC3，對連接后的特征進行預測，得到第三預測點云Yfine，即為點云缺失部分。
5.如權利要求4所述的基于各向異性卷積的點云補全方法，其特征在于，所述組合金字塔解碼器預先訓練，在預先訓練時，對于每一個分辨率的點云數據，采用如下損失函數：
其中，S1是組合金字塔解碼器輸出的預測值，S2是真實值，x是S1中的點，y是S2中的點；
組合金字塔解碼器將會預測三種不同分辨率的點云，多級補全損失表示為：
L＝dCD(Yfine,Ygt)+αdCD(Ymiddle,Y′gt)+2αdCD(Ycoarse,Y″gt)，
其中α是超參數，Ygt、Y′gt和Y″gt分別是Yfine、Ymiddle和Ycoarse所對應點云的真實值。
6.一種基于各向異性卷積的點云補全裝置，包括處理器以及存儲有若干計算機指令的存儲器，其特征在于，所述計算機指令被處理器執行時實現權利要求1至權利要求5中任意一項所述方法的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于浙江工業大學，未經浙江工業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110679234.3/1.html，轉載請聲明來源鉆瓜專利網。
