基于多分辨率双特征折叠的点云补全方法及系统技术方案

本发明专利技术涉及一种基于多分辨率双特征折叠的点云补全方法及系统。该方法包括：向点云补全网络中输入残缺点云；所述点云补全网络为一个多分辨率输入，多级输出的金字塔网络模型，所述点云补全网络包括多分辨率编码器、特征折叠层以及解码器；利用所述多分辨率编码器提取所述残缺点云的全局特征以及局部特征；所述多分辨率编码器包括全局特征提取器以及局部残差特征提取器；利用所述特征折叠层融合所述全局特征以及所述局部特征，生成中间点特征；利用所述解码器解码所述中间点特征，生成完整点云。本发明专利技术优化了以往的方法在点云补全的局部细节提取和生成方面的不足。细节提取和生成方面的不足。细节提取和生成方面的不足。

【技术实现步骤摘要】
基于多分辨率双特征折叠的点云补全方法及系统


[0001]本专利技术涉及计算机视觉领域，特别是涉及一种基于多分辨率双特征折叠的点云补全方法及系统。

技术介绍

[0002]当前，随着计算机视觉的发展，三维重建和无人驾驶等技术也在蓬勃发展，在这些技术的应用中，三维数据是一个非常重要的载体。三维数据的表示方式有很多，例如点云、网格、体素等，由于点云的表示方式简单，结构统一，易于存储和修改的优势，在三维扫描、自动驾驶等领域常使用点云数据来表示三维物体。
[0003]但是，在获取点云数据的过程中难免会因为物体间的互相遮挡、深度传感器的距离限制或物体表面反光造成点云表示的物体出现孔洞或部分形状缺失，这样出现缺失的不完整数据在计算机中往往不能精确表示物体的真实形状，将很难应用于下游的物体分割或表面重建等一些工作中。所以，由残缺点云作为输入来推断物体的完整结构，即对这些表示物体的残缺点云进行补全成为了一项重要的工作。
[0004]近年来，点云补全的方法不断发展，大体可以分为两类：基于几何的点云补全方法和基于学习的点云补全方法。基于几何的方法利用已本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多分辨率双特征折叠的点云补全方法，其特征在于，包括：向点云补全网络中输入残缺点云；所述点云补全网络为一个多分辨率输入，多级输出的金字塔网络模型，所述点云补全网络包括多分辨率编码器、特征折叠层以及解码器；利用所述多分辨率编码器提取所述残缺点云的全局特征以及局部特征；所述多分辨率编码器包括全局特征提取器以及局部残差特征提取器；所述全局特征提取器采用多分辨率点云全局特征提取方法，所述局部残差特征提取器采用点云切分残差特征提取方法；利用所述特征折叠层融合所述全局特征以及所述局部特征，生成中间点特征；利用所述解码器解码所述中间点特征，生成完整点云。2.根据权利要求1所述的基于多分辨率双特征折叠的点云补全方法，其特征在于，所述向点云补全网络中输入残缺点云，之后还包括：对所述残缺点云使用最远点采样算法进行两次下采样分别得到三个不同分辨率的残缺点云；将所述残缺点云平均分割为四个点云块。3.根据权利要求2所述的基于多分辨率双特征折叠的点云补全方法，其特征在于，所述利用所述多分辨率编码器提取所述残缺点云的全局特征以及局部特征，具体包括：将三个不同分辨率的残缺点云输入至所述全局特征提取器，提取全局特征；将所述点云块输入至所述局部残差特征提取器，提取局部特征。4.根据权利要求3所述的基于多分辨率双特征折叠的点云补全方法，其特征在于，所述将三个不同分辨率的残缺点云输入至所述全局特征提取器，提取全局特征，具体包括：分别将三个不同分辨率的残缺点云通过一个融合多层感知机，将每个残缺点云分别映射到六个维度；将每个所述维度的特征作为局部上下文融合到最终的特征向量中，生成融合后的特征；将所述融合后的特征通过一维卷积进行降维得到全局特征。5.根据权利要求3所述的基于多分辨率双特征折叠的点云补全方法，其特征在于，所述将所述点云块输入至所述局部残差特征提取器，提取局部特征，具体包括：利用一个多层感知机将所述点云块从数据转化为特征矩阵；利用3*1的卷积核提取所述特征矩阵...

【专利技术属性】
技术研发人员：蔡莉，王继全，刘俊晖，杨云，
申请(专利权)人：云南大学，
类型：发明
国别省市：