基于三维视觉图像的点云法向量生成方法、存储介质和终端技术

本发明专利技术公开了基于三维视觉图像的点云法向量生成方法、存储介质和终端，方法包括使用步骤，所述使用步骤包括以下子步骤：获取待处理三维视觉图像的第一点云；对所述第一点云进行上采样，得到第二点云；以第一点云为基准，对第二点云进行聚类，得到第三点云；对第三点云进行计算，生成对应的点云法向量。本发明专利技术综合第一点云与其上采样得到的第二点云的特征，以聚类得到的第三点云作为点云法向量的计算基础，由于上采样会使得点云变密集，而点云越密集越会提升点云的表达能力，因此对于稀疏的、难以分辨的点云也具有优秀的法向量估计能力。难以分辨的点云也具有优秀的法向量估计能力。难以分辨的点云也具有优秀的法向量估计能力。

【技术实现步骤摘要】
基于三维视觉图像的点云法向量生成方法、存储介质和终端


[0001]本专利技术涉及三维图像处理领域，尤其涉及基于三维视觉图像的点云法向量生成方法、存储介质和终端。

技术介绍

[0002]随着技术力发展，传统的二维视觉图像已经无法满足日常生活需要，基于点云的深度学习技术逐渐得到大众认可与应用。产生了虚拟现实、自动驾驶、元宇宙、自动驾驶等应用。
[0003]点云作为描述物体表面的数据结构，能够清晰地抓取物体形状信息，但是单独依靠点云分布判断存在较大误差，容易产生各种误判，进而导致安全问题，因此会对点云的法向量进行采集。
[0004]点云法向量估计的目的是增强点云表达能力，在各种应用中起到辅助作用；同时也为三维复原、三维物体修复提供帮助。在现有技术中，当获取到三维视觉图像的点云数据后，直接对点云数据进行处理得到相应的点云法向量，从而实现后续相应处理。但是采用该种方式对于稀疏的、难以分辨的点云数据，得到的点云法向量并不准确。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提供基于三维视觉图像的点云法向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于三维视觉图像的点云法向量生成方法，其特征在于：包括使用步骤，所述使用步骤包括以下子步骤：获取待处理三维视觉图像的第一点云；对所述第一点云进行上采样，得到第二点云；以第一点云为基准，对第二点云进行聚类，得到第三点云；对第三点云进行计算，生成对应的点云法向量。2.根据权利要求1所述的基于三维视觉图像的点云法向量生成方法，其特征在于：还包括训练步骤，所述训练步骤包括以下子步骤：获取现有三维视觉图像的第一点云和参考法向量；对所述第一点云进行上采样，得到第二点云；以第一点云为基准，对第二点云进行聚类，得到第三点云；对第三点云进行计算，生成对应的点云法向量；使用距离损失函数规约第二点云，和/或基于参考法向量、使用2范式损失函数规约点云法向量。3.根据权利要求1或2所述的基于三维视觉图像的点云法向量生成方法，其特征在于：所述对所述第一点云进行上采样，得到第二点云，包括：对第一点云进行最远距离采样，得到包括预设个数量点的临时点云p；利用1*1卷积提取临时点云p的第一特征f；对第一特征f进行最远距离采样，得到采样后的第二特征f
’
；以第二特征f
’
为基准，聚类第一特征f，得到聚类后的第三特征f”；对第三特征f”中的每个第一聚类特征M做差，再使用1*1卷积计算得到作为局部特征F的第四特征f
”’
；使用最大值池化计算局部特征F，得到整体特征F
’
；通过全连接层对整体特征F
’
进行计算，得到上采样的第二点云。4.根据权利要求3所述的基于三维视觉图像的点云法向量生成方法，其特征在于：在计算过程中，将第四特征f
”’
作为第一特征f，重复多次完成第一特征f至第四特征f
”’
的计算，并以最后一次计算得到的第四特征f
”’
作为计算出的局部特征F。5.根据权利要求1或2所述的基于三维视觉图像的点云法向量生成方法，其特征在于：所述对第三点云进行计算，生成对应的点云法向量，包括：对第三点云的每个第二聚类特征M
’
分别使用1*1卷积，计算查询特征query、关键特征key和价值特征v...

【专利技术属性】
技术研发人员：张梓豪，桑楠，王旭鹏，孙博艺，袁绍博，熊斯琪，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：