[發(fā)明專利]模型訓(xùn)練、點云缺失補全方法、裝置、設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202111129999.6
• 申請日: 2021-09-26
• 公開（公告）號: CN113850916A
• 公開（公告）日: 2021-12-28
• 發(fā)明（設(shè)計）人: 盧麗華;魏輝;李茹楊;趙雅倩;李仁剛
• 申請（專利權(quán)）人: 浪潮電子信息產(chǎn)業(yè)股份有限公司
• 主分類號: G06T17/20
• 分類號: G06T17/20;G06T5/00
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 張雪嬌

1.一種模型訓(xùn)練方法，其特征在于，包括：

獲取訓(xùn)練缺失點云數(shù)據(jù)；

將所述訓(xùn)練缺失點云數(shù)據(jù)輸入初始模型，得到訓(xùn)練修復(fù)點云數(shù)據(jù)，并基于所述訓(xùn)練修復(fù)點云數(shù)據(jù)和所述訓(xùn)練缺失點云數(shù)據(jù)對應(yīng)的原始點云數(shù)據(jù)調(diào)整所述初始模型的參數(shù)；

若檢測到滿足訓(xùn)練完成條件，則確定所述初始模型為點云補全模型；

其中，所述初始模型包括目標(biāo)重構(gòu)網(wǎng)絡(luò)和初始生成網(wǎng)絡(luò)，所述目標(biāo)重構(gòu)網(wǎng)絡(luò)包括目標(biāo)編碼網(wǎng)絡(luò)，所述目標(biāo)編碼網(wǎng)絡(luò)利用所述訓(xùn)練缺失點云數(shù)據(jù)進(jìn)行對比學(xué)習(xí)，所述訓(xùn)練缺失點云數(shù)據(jù)輸入所述目標(biāo)編碼網(wǎng)絡(luò)得到輸入特征，所述輸入特征輸入所述初始生成網(wǎng)絡(luò)得到缺失點云數(shù)據(jù)，所述缺失點云數(shù)據(jù)用于生成所述訓(xùn)練修復(fù)點云數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述初始模型的生成過程，包括：

利用所述訓(xùn)練缺失點云數(shù)據(jù)對初始重構(gòu)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，得到所述目標(biāo)重構(gòu)網(wǎng)絡(luò)；

利用所述目標(biāo)重構(gòu)網(wǎng)絡(luò)與所述初始生成網(wǎng)絡(luò)組合得到所述初始模型。

3.根據(jù)權(quán)利要求2所述的模型訓(xùn)練方法，其特征在于，所述利用所述訓(xùn)練缺失點云數(shù)據(jù)對初始重構(gòu)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，得到所述目標(biāo)重構(gòu)網(wǎng)絡(luò)，包括：

從所述訓(xùn)練缺失點云數(shù)據(jù)中確定錨點點云；

基于所述錨點點云，將所述訓(xùn)練缺失點云數(shù)據(jù)輸入所述初始重構(gòu)網(wǎng)絡(luò)，得到目標(biāo)數(shù)據(jù)；其中，所述目標(biāo)數(shù)據(jù)包括所述輸入特征和重構(gòu)點云數(shù)據(jù)；

利用所述輸入特征得到對比學(xué)習(xí)損失值，利用所述重構(gòu)點云數(shù)據(jù)得到重建損失值，并利用所述對比學(xué)習(xí)損失值和所述重建損失值對所述初始重構(gòu)網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整；

若檢測到滿足預(yù)訓(xùn)練完成條件，則確定所述初始重構(gòu)網(wǎng)絡(luò)為所述目標(biāo)重構(gòu)網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求3所述的模型訓(xùn)練方法，其特征在于，所述將所述訓(xùn)練缺失點云數(shù)據(jù)輸入所述初始重構(gòu)網(wǎng)絡(luò)，得到目標(biāo)數(shù)據(jù)，包括：

將所述訓(xùn)練缺失點云數(shù)據(jù)輸入所述初始重構(gòu)網(wǎng)絡(luò)中的初始編碼網(wǎng)絡(luò)，得到所述輸入特征；

將所述輸入特征輸入所述初始重構(gòu)網(wǎng)絡(luò)中的初始解碼網(wǎng)絡(luò)，得到所述重構(gòu)點云數(shù)據(jù)；

相應(yīng)的，所述利用所述對比學(xué)習(xí)損失值和所述重建損失值對所述初始重構(gòu)網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整，包括：

利用所述對比學(xué)習(xí)損失值和所述重建損失值生成第一損失值；

利用所述第一損失值對所述初始重構(gòu)網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)整。

5.根據(jù)權(quán)利要求4所述的模型訓(xùn)練方法，其特征在于，所述初始編碼網(wǎng)絡(luò)包括若干個特征提取塊，每個所述特征提取塊包括一個多層感知機(jī)和一個基于最遠(yuǎn)點采樣的下采樣層；所述初始解碼網(wǎng)絡(luò)包括多個多層感知機(jī)和多個上采樣層。

6.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述獲取訓(xùn)練缺失點云數(shù)據(jù)，包括：

獲取若干個原始缺失點云作為所述原始點云數(shù)據(jù)；

分別對各個所述原始缺失點云進(jìn)行不同程度的缺失處理，得到所述訓(xùn)練缺失點云數(shù)據(jù)；所述缺失處理為裁剪處理。

7.根據(jù)權(quán)利要求1所述的模型訓(xùn)練方法，其特征在于，所述初始生成網(wǎng)絡(luò)包括缺失點云生成網(wǎng)絡(luò)和修正網(wǎng)絡(luò)，所述訓(xùn)練修復(fù)點云數(shù)據(jù)的生成過程包括：

將所述輸入特征輸入所述缺失點云生成網(wǎng)絡(luò)得到所述缺失點云數(shù)據(jù)；

將所述缺失點云數(shù)據(jù)和所述目標(biāo)重構(gòu)網(wǎng)絡(luò)輸出的輸出數(shù)據(jù)輸入所述修正網(wǎng)絡(luò)，得到所述訓(xùn)練修復(fù)點云數(shù)據(jù)；

其中，所述缺失點云生成網(wǎng)絡(luò)包括缺失點云調(diào)制模塊和折疊解碼模塊，所述將所述輸入特征輸入所述缺失點云生成網(wǎng)絡(luò)得到所述缺失點云數(shù)據(jù)，包括：

將所述輸入特征輸入所述缺失點云調(diào)制模塊，得到缺失點云特征；

將所述缺失點云特征、所述輸入特征輸入所述折疊解碼模塊，得到所述缺失點云數(shù)據(jù)。