[發明專利]一種基于錨點檢測的點云補全方法

在審

• 申請號: 202111504436.0
• 申請日: 2021-12-10
• 公開（公告）號: CN114359510A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 鄒艷妮;張怡睿;徐嘉伯;劉小平;劉捷
• 申請（專利權）人: 南昌大學
• 主分類號: G06T17/20
• 分類號: G06T17/20;G06V10/46;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 王煥巧

1.一種基于錨點檢測的點云補全方法，其特征在于：包括以下步驟：

S1、數據集獲取與數據預處理：獲取點云公共數據集ShapeNet，使用局部刪除操作，在完整點云數據中刪除局部點云，以此構建不完整點云；

S2、神經網絡模型構建：基于由粗略到精細的點云補全思想，先通過錨點的正負性判斷得出形狀規整密度均勻的稀疏點云，再由稀疏點云的擴散得到密集點云，為實現該思想構建GCNet網絡模型；

S3、模型訓練與模型保存：使用Adam優化器訓練網絡，降低損失函數，提高點云補全效果，當模型的損失函數趨于穩定后，保存模型。

2.根據權利要求1所述的一種基于錨點檢測的點云補全方法，其特征在于：所述步驟S1中，所述公共數據集ShapeNet，包含16個種類的點云數據，所有種類的每一個單獨點云數據文件(.pts)都由三維坐標系中n個點云坐標x、y、z構成，n的值并不相同。

3.根據權利要求1所述的一種基于錨點檢測的點云補全方法，其特征在于：所述步驟S1中，所述局部刪除操作的具體方法有關鍵點定義與選取、關鍵點鄰近點云刪除。

4.根據權利要求3所述的一種基于錨點檢測的點云補全方法，其特征在于：所述步驟S1中，所述關鍵點定義與選取的具體方法為：以(1,0,0)、(0,0,1)、(1,0,1)、(-1,0,0)4個點為關鍵點，()中的三個數字表示三維坐標系中x、y、z的坐標；為模擬缺失不同部位的不完整點云，依次使用4個關鍵點作為中心點，并刪除中心點位置附近的點云數據；所述關鍵點鄰近點云刪除操作的具體步驟為：計算點云中所有點與中心的距離，刪除最靠近中心點的512個點云。

5.根據權利要求1所述的一種基于錨點檢測的點云補全方法，其特征在于：所述步驟S2中，所述通過錨點的正負性判斷得出形狀規整密度均勻的稀疏點云中，在負樣本中只選取正樣本數量的三倍用于訓練；此外，在選中的負樣本中，通過設置閾值d，進一步將負樣本劃分為難訓練負樣本和易訓練負樣本，距離小于閾值d的為難訓練負樣本；大于閾值d的易訓練負樣本，其中難訓練負樣本與易訓練負樣本的數量比為2：1。

6.根據權利要求1所述的一種基于錨點檢測的點云補全方法，其特征在于：所述步驟S2中，所述由稀疏點云的擴散得到密集點云中，在稀疏點云(正錨點樣本)的基礎上通過神經網絡生成各正錨點鄰域內的點云坐標，并通過tanh限制鄰域的最大范圍，使其不超過兩個錨點間距的一半。

7.根據權利要求1所述的一種基于錨點檢測的點云補全方法，其特征在于：所述步驟S2中，所述GCNet包含編碼器與解碼器兩部分，所述編碼器部分的具體目標是：提取輸入的不完整點云的坐標特征；所述編碼器部分的具體結構是：輸入點云坐標首先通過一層卷積層，得到點云的特征向量，接著將點云所在空間劃分為w×w×w個錨點，錨點所對應的網格內的向量取平均，以此實現特征的網格結構化，最后通過3D卷積和殘差連接提取高維特征；所述解碼器部分的具體目標是：通過解碼器部分提取的高維特征生成缺失部分的點云坐標；所述解碼器部分的具體結構是：輸入的高維特征首先通過3D轉置卷積，實現特征的上采樣，用于預測錨點的正負性和正錨點鄰域內的擴散點云坐標信息，生成最終的完整點云。

8.根據權利要求1所述的一種基于錨點檢測的點云補全方法，其特征在于：所述步驟S3中，所述損失函數包含BCELoss和CD，BCELoss的具體公式為：

其中X_i為預測值，y_i為標簽，CD的具體公式為：

其中CD(S₁,S₂)表示預測生成的點云集合S₁和真實的點云集合S₂之間的歐式空間平均最近距離；x、y分別表示點云集合中的一個點云，由x、y、z三個坐標組成。