[發明專利]基于點云補全技術的三維點云重建方法及系統

在審

• 申請號: 202210259822.6
• 申請日: 2022-03-16
• 公開（公告）號: CN114612619A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 樂心怡;徐嘉文;陳彩蓮;關新平
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06N3/04;G06N3/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于點云補全技術的三維點云重建方法，其特征在于，包括：

多尺度特征提取步驟：對采集到的待重建點云信息進行多尺度特征提取，得到多尺度特征向量；

多尺度特征重構步驟：將所述多尺度特征向量進行特征重構，得到預測缺失部分點云；

訓練步驟：根據所述預測缺失部分點云和聯和損失函數進行訓練，進行三維點云重建。

2.根據權利要求1所述的基于點云補全技術的三維點云重建方法，其特征在于，所述多尺度特征提取步驟，包括：

多尺度特征提取子步驟1：通過迭代最遠點采樣對所述待重建點云信息進行下采樣處理，得到第一分辨率點云信息和第二分辨率點云信息；

多尺度特征提取子步驟2：通過卷積神經網絡對所述待重建點云信息、所述第一分辨率點云信息和所述第二分辨率點云信息進行特征提取，得到所述多尺度特征向量。

3.根據權利要求1所述的基于點云補全技術的三維點云重建方法，其特征在于，所述多尺度特征重構步驟，包括：

多尺度特征重構子步驟1：根據所述多尺度特征向量，得到第一維度特征向量、第二維度特征向量和第三維度特征向量；

多尺度特征重構子步驟2：根據所述第一維度特征向量、所述第二維度特征向量和所述第三維度特征向量，得到第一分辨率缺失部分點云、第二分辨率缺失部分點云和第三分辨率缺失部分點云；

多尺度特征重構子步驟3：將所述第一分辨率缺失部分點云、所述第二分辨率缺失部分點云和所述第三分辨率缺失部分點云進行疊加，得到所述預測缺失部分點云。

4.根據權利要求1或3所述的基于點云補全技術的三維點云重建方法，其特征在于，所述訓練步驟，包括：

訓練子步驟1：根據所述第一分辨率缺失部分點云、所述第二分辨率缺失部分點云和所述第三分辨率缺失部分點云，構建損失函數；

訓練子步驟2：根據所述預測缺失部分點云，構建生成對抗損失函數；

訓練子步驟3：根據所述損失函數和所述生成對抗損失函數，得到所述聯和損失函數；

訓練子步驟4：根據所述預測缺失部分點云和聯和所述損失函數進行訓練，得到三維點云重建模型。

5.根據權利要求4所述的基于點云補全技術的三維點云重建方法，其特征在于，所述訓練步驟，還包括：

訓練子步驟5：根據所述三維點云重建模型，進行三維點云重建。

6.一種基于點云補全技術的三維點云重建系統，其特征在于，包括：

多尺度特征提取模塊：對采集到的待重建點云信息進行多尺度特征提取，得到多尺度特征向量；

多尺度特征重構模塊：將所述多尺度特征向量進行特征重構，得到預測缺失部分點云；

訓練模塊：根據所述預測缺失部分點云和聯和損失函數進行訓練，進行三維點云重建。

7.根據權利要求6所述的基于點云補全技術的三維點云重建系統，其特征在于，所述多尺度特征提取模塊，包括：

多尺度特征提取子模塊M1：通過迭代最遠點采樣對所述待重建點云信息進行下采樣處理，得到第一分辨率點云信息和第二分辨率點云信息；

多尺度特征提取子模塊M2：通過卷積神經網絡對所述待重建點云信息、所述第一分辨率點云信息和所述第二分辨率點云信息進行特征提取，得到所述多尺度特征向量。

8.根據權利要求6所述的基于點云補全技術的三維點云重建系統，其特征在于，所述多尺度特征重構模塊，包括：

多尺度特征重構子模塊M1：根據所述多尺度特征向量，得到第一維度特征向量、第二維度特征向量和第三維度特征向量；

多尺度特征重構子模塊M2：根據所述第一維度特征向量、所述第二維度特征向量和所述第三維度特征向量，得到第一分辨率缺失部分點云、第二分辨率缺失部分點云和第三分辨率缺失部分點云；

多尺度特征重構子模塊M3：將所述第一分辨率缺失部分點云、所述第二分辨率缺失部分點云和所述第三分辨率缺失部分點云進行疊加，得到所述預測缺失部分點云。