点云数据处理方法和装置、电子设备及存储介质制造方法及图纸

本申请提供的点云数据处理方法和装置、电子设备及存储介质，涉及深度学习技术领域。在本申请中，首先，基于多个点云数据形成点云矩阵。其次，基于序列化网络层对点云矩阵进行序列化处理，得到多个子特征矩阵，其中，每一个子特征矩阵的维度大于点云矩阵的维度，每一个子特征矩阵的尺寸相同。然后，基于多个子特征矩阵进行拼接处理，得到第一特征矩阵，其中，第一特征矩阵中点云数据的数量大于点云矩阵中点云数据的数量。最后，基于重构网络层对第一特征矩阵进行重构处理，得到维度与点云矩阵相同的目标特征矩阵。基于上述方法，可以改善现有技术中难以对点云数据进行有效地重构的问题。技术中难以对点云数据进行有效地重构的问题。技术中难以对点云数据进行有效地重构的问题。

【技术实现步骤摘要】
点云数据处理方法和装置、电子设备及存储介质


[0001]本申请涉及深度学习
，具体而言，涉及一种点云数据处理方法和装置、电子设备及存储介质。

技术介绍

[0002]点云数据是计算机对现实世界最直观、最基本的表达方式，然而，由于场景遮挡、分辨率低等一系列原因，会导致视觉系统捕获并生成的点云数据出现大面积缺失或者局部细节丢失，形成高度稀疏的不完整点云，如此，难以应用在后续的分类、分割等处理中，会导致几何和语义信息的丢失，因此，从缺失点云数据恢复至完整点云数据是一项重要的待解决问题。
[0003]其中，在现有的点云重构(补全)技术中，一般基于物体的基础结构等先验信息，如对称信息，进行点云数据的重构处理。但是，经专利技术人研究发现，现有技术中依然存在难以对点云数据进行有效地重构的问题。

技术实现思路

[0004]有鉴于此，本申请的目的在于提供一种点云数据处理方法和装置、电子设备及存储介质，以改善现有技术中难以对点云数据进行有效地重构的问题。
[0005]为实现上述目的，本申请实施例采用如下技术方案：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据处理方法，其特征在于，包括：基于获得的多个点云数据形成点云矩阵；基于预先训练得到的点云重构模型中的序列化网络层对所述点云矩阵进行序列化处理，得到多个子特征矩阵，其中，每一个所述子特征矩阵的维度大于该点云矩阵的维度，且每一个所述子特征矩阵的尺寸相同；基于所述多个子特征矩阵进行拼接处理，得到第一特征矩阵，其中，该第一特征矩阵中点云数据的数量大于所述点云矩阵中点云数据的数量；基于所述点云重构模型中的重构网络层对所述第一特征矩阵进行重构处理，得到维度与所述点云矩阵相同的目标特征矩阵。2.根据权利要求1所述的点云数据处理方法，其特征在于，所述基于预先训练得到的点云重构模型中的序列化网络层对所述点云矩阵进行序列化处理，得到多个子特征矩阵的步骤，包括：a，基于采样子网络层对所述点云矩阵进行采样处理，得到采样数据集合，其中，该采样数据集合包括多个点云采样数据；b，分别以每一个所述点云采样数据为中心点，基于聚类子网络层进行聚类处理，得到所述采样数据集合对应的多个采样数据簇；c，基于特征提取子网络层对所述多个采样数据簇进行特征提取处理，得到所述采样数据集合对应的子特征矩阵，其中，该特征提取子网络层、所述采样子网络层和所述聚类子网络层构成序列化网络层；d，基于所述采样子网络层对所述子特征矩阵进行采样处理，得到新的采样数据集合，其中，该新的采样数据集合包括至少一个点云采样数据；e，分别以所述新的采样数据集合中的每一个点云采样数据为中心点，基于所述聚类子网络层进行聚类处理，得到对应的多个新的采样数据簇；f，基于所述特征提取子网络层对所述多个新的采样数据簇进行特征提取处理，得到所述新的采样数据集合对应的子特征矩阵；g，分别对得到的每一个所述子特征矩阵进行数据插值处理，得到尺寸相同的多个子特征矩阵。3.根据权利要求2所述的点云数据处理方法，其特征在于，依次执行步骤d、步骤e和步骤f至少一次，直到最后一次执行步骤f得到的子特征矩阵包括的点云数据的数量为1。4.根据权利要求1所述的点云数据处理方法，其特征在于，所述基于所述多个子特征矩阵进行拼接处理，得到第一特征矩阵的步骤，包括：针对每一个所述子特征矩阵，对该子特征矩阵中的行特征进行降序排序处理，并基于排序在前的第一数量行特征得到新的子特征矩阵；在多个所述子特征矩阵对应的多个所述新的子特征矩阵中，选择出第二数量个新的子特征矩阵进行拼接处理，得到第一特征矩阵。5.根据权利要求4所述的点云数据处理方法，其特征在于，所述对该子特征矩阵中的行特征进行降序排序处理的步骤，包括...

【专利技术属性】
技术研发人员：牛建伟，朱智，谷宁波，李青锋，任涛，于晓龙，
申请(专利权)人：杭州唯实科技有限公司，
类型：发明
国别省市：