一种基于多尺度特征提取的点云补全方法技术

本发明专利技术公开了一种基于多尺度特征提取的点云补全方法，包括：从原始点云中随机选取一个点作为初始点，然后在循环中计算剩余原始点到距离它最近的最远点的距离，接着从这些点中选择距离最大的点作为下个最远点；采取改进多层感知机提取低分辨率点云的全局信息的同时采用EdgeConv提取高分辨率原始点云的细节信息，并以递归形的级联方式通过多层感知机融合二者，从而得到潜在特征向量；将潜在特征向量作为输入，以生成点数为1024的粗糙点云；输送至共享多层感知机，最后再在输出时addition粗点云。本发明专利技术的基于多尺度特征提取的点云补全方法用以关注全局特征的同时兼顾点之间的拓扑信息，保证特征的全面性和完整性，缩小点之间间隙，增强模型的泛化能力。增强模型的泛化能力。增强模型的泛化能力。

【技术实现步骤摘要】
一种基于多尺度特征提取的点云补全方法


[0001]本专利技术属于视觉处理的
，尤其涉及一种基于多尺度特征提取的点云补全方法。

技术介绍

[0002]随着时代的发展、科学的进步，三维视觉技术由于其独特优势，现已成为当今研究热点之一，并且广泛应用在计算机视觉、机器人技术、遥感等不同领域。在众多类型的三维数据描述中，三维点云具有数据量小并且呈现物体能力细腻的特点，因此常被用作三维目标分类、三维场景语义分割等研究的上游任务。然而在采集点云数据过程中，由于传感器分辨率的限制、自身的遮挡以及数据点的稀疏性，导致获取的数据变得残缺。因此，对输入的残缺点云数据进行高质量的补全是至关重要的。点云补全方法大概可以分为基于几何的方法、基于对齐的方法以及基于学习的方法。由于前两种补全方法的局限性，越来越多的研究者趋向于采用基于学习的补全方法。基于学习的补全方法直接根据残缺点云的几何信息，学习其结构特征，从而训练具有形状补全能力的模型。为了使补全的点云形状具有可变性，表面更加平滑，Yang等人在模型提取全局特征的前提下，引入了一种基于折叠的解码器，通过在点云3D曲本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度特征提取的点云补全方法，其特征在于，包括：步骤S1、从原始点云中随机选取一个点作为初始点，然后在循环中计算剩余原始点到距离它最近的最远点的距离，接着从这些点中选择距离最大的点作为下个最远点；步骤S2、采取改进多层感知机提取低分辨率点云的全局信息的同时采用EdgeConv提取高分辨率原始点云的细节信息，并以递归形的级联方式通过多层感知机融合二者，从而得到潜在特征向量；步骤S3、将潜在特征向量作为输入，然后利用维度为2048，1024，1024的三层全连接将其映射到1024
×
3的输出单元上，最后再reshape成1024
×
3的矩阵，以生成点数为1024的粗糙点云；步骤S4、采用最远点采样和镜像操作分别对原始残缺点云和粗点云下采样为512个点，并将二者拼接形成合成点云，以合成点云的每个点为中心点，通过折叠的2D网格使每个点周围生成16个点，并将扩展的潜在特征向量嵌入，结合残差网络的连接方式，将合成点云、2D网格以及潜在特征向量串联，输送至共享多层感知机，最后再在输出时addition粗点云。2.根据权利要求1所述的基于多尺度特征提取的点云补全方法，其特征在于，在所述步骤S2中，利用改进多层感知机MCMLP分别提取两个低分辨率点云特...

【专利技术属性】
技术研发人员：邱云飞，赵静，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：