一种点云稠密化方法、装置及设备制造方法及图纸

本发明专利技术涉及一种点云稠密化方法，包括获取样本点云及其对应的原始右目图像与原始左目图像；提取样本点云的初始点云特征后，利用上采样器，按照预设上采样率对初始点云特征进行特征扩展，获取稠密化点云特征并进行坐标重建，获取基于世界坐标的稠密化点云坐标后，转换为基于左目坐标系的稠密化点云坐标，以便与原始右目图像和原始左目图像，获取左目深度图；基于左目深度图、原始右目图像，获取预测左目图像；利用L1范数构建预测左目图像与原始左目图像的损失函数，更新上采样器，直至损失函数收敛，获取训练好的上采样器；将待处理点云的初始点云特征输入，获取稠密化点云特征，并进行坐标重建，得到待处理点云的稠密化点云坐标。

【技术实现步骤摘要】

本专利技术涉及点云数据处理，尤其是指一种点云稠密化方法、装置及设备。

技术介绍

1、随着商用3d扫描仪的日益普及，从现实场景中捕获点云的过程变得更加方便。点云在自动驾驶、机器人、遥感等领域有着广泛的应用。然而，从3d扫描仪或深度相机获得的点云是稀疏的，包含噪声，并且可能存在空洞。这些因素对点云的语义分类和表面重建等下游任务产生了不利影响。点云稠密化是一个重要的研究领域，它在许多应用中都有着重要的作用：深度学习技术已经在点云处理中取得了显著的进步，尤其是在点云分类、分割和检测等任务中；点云数据通常与其他类型的数据(如图像、雷达数据等)一起使用，多模态数据融合以提高系统的性能和鲁棒性；随着硬件技术的发展，实时处理大规模点云数据的能力正在不断提高；为了解决点云处理中的各种挑战，研究人员正在不断开发新的算法和模型；点云处理技术正在被应用于越来越多的领域，包括自动驾驶、增强现实、虚拟现实、医疗图像处理等。

2、目前，常用的点云稠密化方法包括基于学习的点云稠密化和基于图像的点云稠密化。基于学习的点云稠密化方法主要包括三个基本步骤：特征提取、特征扩展和坐标预本文档来自技高网...

【技术保护点】

1.一种点云稠密化方法，其特征在于，包括：

2.根据权利要求1所述的点云稠密化方法，其特征在于，所述利用基于Transformer的深度学习网络对样本点云进行特征提取，获取初始点云特征，包括：

3.根据权利要求1所述的点云稠密化方法，其特征在于，所述将基于世界坐标系的稠密化点云坐标转换为基于左目坐标系的稠密化点云坐标，包括：

4.根据权利要求1所述的点云稠密化方法，其特征在于，所述根据原始右目图像、原始左目图像、基于左目坐标系的稠密化点云坐标，获取左目深度图，包括：

5.根据权利要求1所述的点云稠密化方法，其特征在于，所述基于左目深度图、原...

【技术特征摘要】

1.一种点云稠密化方法，其特征在于，包括：

2.根据权利要求1所述的点云稠密化方法，其特征在于，所述利用基于transformer的深度学习网络对样本点云进行特征提取，获取初始点云特征，包括：

3.根据权利要求1所述的点云稠密化方法，其特征在于，所述将基于世界坐标系的稠密化点云坐标转换为基于左目坐标系的稠密化点云坐标，包括：

4.根据权利要求1所述的点云稠密化方法，其特征在于，所述根据原始右目图像、原始左目图像、基于左目坐标系的稠密化点云坐标，获取左目深度图，包括：

5.根据权利要求1所述的点云稠密化方法，其特征在于，所述基于左目深度图、原始右目图像以...

【专利技术属性】
技术研发人员：宗泽，谢劼，阙郁霏，盛洁，张瑾，吴澄，洪旭扬，
申请(专利权)人：苏州大学，
类型：发明
国别省市：