【技术实现步骤摘要】
基于自注意力的多样点云补全方法和装置
本申请涉及计算机三维点云补全和深度学习
，尤其涉及一种基于自注意力的多样点云补全方法和装置。
技术介绍
三维传感器的最新发展推动了三维计算机视觉任务的研究，因为三维数据比传统研究的二维图像更具信息，点云是最常用的三维数据格式之一，它只需要很少的内存即可存储但可以传达丰富而详细的三维形状信息。但是，由于不可避免的自我遮挡，光反射，传感器分辨率有限等原因，来自现有三维传感器的点云数据并不总是完整且令人满意。因此，从部分和稀疏的原始数据中恢复完整的点云成为必不可少的任务，其意义越来越重要。相关技术中，进行点云重建的方式容易造成非常多局部细节的丢失，将不可避免的导致复原点云的失真。
技术实现思路
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的第一个目的在于提出一种基于自注意力的多样点云补全方法，将点云处理成为点代理序列，并采用编码器-解码器来构建点云不同点之间的长程关系实现点云重建。本申请的第二个目的在于提出一种基...
【技术保护点】
1.一种基于自注意力的多样点云补全方法，其特征在于，包括以下步骤：/n获取点云数据，对所述点云数据进行处理，获取输入点代理序列；/n对所述点代理序列进行编码，获取点编码向量，对所述点编码向量进行解码，获取预测点代理；/n将所述预测点代理输入多层感知器，获取预测点中心，并在所述预测点中心的基础上恢复完整点云数据。/n
【技术特征摘要】
1.一种基于自注意力的多样点云补全方法，其特征在于，包括以下步骤：
获取点云数据，对所述点云数据进行处理，获取输入点代理序列；
对所述点代理序列进行编码，获取点编码向量，对所述点编码向量进行解码，获取预测点代理；
将所述预测点代理输入多层感知器，获取预测点中心，并在所述预测点中心的基础上恢复完整点云数据。
2.如权利要求1所述的方法，其特征在，所述对所述点云数据进行处理，获取输入点代理序列，包括：
对所述点云数据进行下采样操作，获取点云中心点，并以所述点云中心点扩充为包含多个点的集合；
通过所述多层感知器对所述多个点的集合和所述点云中心点进行特征提取，获取集合特征和位置嵌入，将所述集合特征和所述位置嵌入进行加和，获取所述点代理序列。
3.如权利要求1所述的方法，其特征在，所述对所述点代理序列进行编码，获取点编码向量，对所述点编码向量进行解码，获取预测点代理，包括：
在编码器中，通过多头自注意力层，所述对所述点代理序列中每一个无序点代理将获得其他点代理的信息，并构建点与点之间的关系；
通过前馈神经网络进行特征更新，获取所述点编码向量输入解码器中，所述解码器的交叉注意力层，进行从已知点到未知点的关系构建，通过前馈神经网络输出预测点代理。
4.如权利要求1所述的方法，其特征在，所述将所述预测点代理输入多层感知器，获取预测点中心，并在所述预测点中心的基础上恢复完整点云数据，包括：
将所述预测点代理输入多层感知器，获取预测点中心；
在所述预测点中心的基础上，生成围绕所述预测点中心的附属点，获取所述完整点云数据。
5.如权利要求3所述的方法，其特征在，还包括：
获取随机向量，通过所述解码器的多头自注意力层对所述随机向量进行处理，与所...
【专利技术属性】
技术研发人员：鲁继文，周杰，于旭敏，饶永铭，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。