【技术实现步骤摘要】
本申请涉及点云数据补全，尤其涉及一种点云数据补全模型的训练方法及其装置、点云数据补全方法及其装置、电子设备及计算机可读存储介质。
技术介绍
1、随着自动驾驶感知技术的不断发展，深度学习技术已经成为自动驾驶感知中的重要实现算法，激光雷达是自动驾驶场景的重要传感器之一，激光雷达采集的点云数据也是当前训练深度学习模型的重要数据来源。
2、然而，目前用于模型训练的点云数据标注成本高，而补全点云数据的算法模型特征表征能力较差，补全处理后的点云数据质量参差不齐，难以满足自动驾驶场景下点云数据感知模型的训练对于数据质量的要求。
技术实现思路
1、本申请实施例提供了一种点云数据补全模型的训练方法及其装置、点云数据补全方法及其装置、电子设备及计算机可读存储介质，以提高点云数据补全模型对点云数据特征的表征能力，进而提高点云数据补全的精度和效果。
2、本申请实施例采用下述技术方案：
3、第一方面，本申请实施例提供一种点云数据补全模型的训练方法，其中，所述点云数据补全模型的训练方法包括：
4、获取点云数据补全模型的训练样本数据，所述训练样本数据包括不完整的点云数据和对应的完整的点云数据；
5、根据所述不完整的点云数据和所述完整的点云数据，利用所述点云数据补全模型的特征增强模块进行特征增强处理，得到点云数据的特征增强信息；
6、根据所述训练样本数据和所述点云数据的特征增强信息训练所述点云数据补全模型，得到训练后的点云数据补全模型。>
7、可选地，所述特征增强模块包括类别编译模块，所述根据所述不完整的点云数据和所述完整的点云数据，利用所述点云数据补全模型的特征增强模块进行特征增强处理，得到点云数据的特征增强信息包括：
8、利用所述类别编译模块对所述不完整的点云数据进行处理，得到所述类别编译模块输出的不完整的点云数据的特征信息；
9、将所述类别编译模块输出的不完整的点云数据的特征信息作为点云数据的第一特征增强信息。
10、可选地，所述特征增强模块还包括特征信息记忆模块，所述根据所述不完整的点云数据和所述完整的点云数据，利用所述点云数据补全模型的特征增强模块进行特征增强处理，得到点云数据的特征增强信息包括：
11、将所述类别编译模块输出的不完整的点云数据的特征信息存储至所述特征信息记忆模块中；
12、利用所述特征信息记忆模块对所述完整的点云数据的特征信息和所述不完整的点云的特征信息进行处理，得到点云数据的第二特征增强信息。
13、可选地，所述利用所述特征信息记忆模块对所述完整的点云数据的特征信息和所述不完整的点云的特征信息进行处理，得到点云数据的第二特征增强信息包括：
14、利用预设聚类策略对所述完整的点云数据的特征信息和所述不完整点云的特征信息进行聚类处理，得到点云数据的聚类结果；
15、将所述点云数据的聚类结果作为所述点云数据的第二特征增强信息。
16、可选地，所述根据所述训练样本数据和所述点云数据的特征增强信息训练所述点云数据补全模型，得到训练后的点云数据补全模型包括：
17、根据所述训练样本数据、所述点云数据的第一特征增强信息和第二特征增强信息训练所述点云数据补全模型，得到训练后的点云数据补全模型。
18、可选地，所述根据所述训练样本数据和所述点云数据的特征增强信息训练所述点云数据补全模型，得到训练后的点云数据补全模型包括：
19、利用所述点云数据补全模型的编码器对所述不完整的点云数据进行处理，得到编码器输出的编码特征；
20、将所述特征增强信息与所述编码器输出的编码特征进行融合，得到融合后的特征；
21、将所述融合后的特征输入所述点云数据补全模型的解码器，得到所述解码器的解码特征；
22、对所述解码器的解码特征进行上采样，得到上采样后的点云数据；
23、根据所述上采样后的点云数据和对应的完整的点云数据确定所述点云数据补全模型的损失值，并利用所述损失值更新所述点云数据补全模型的参数，得到训练后的点云数据补全模型。
24、第二方面，本申请实施例还提供一种点云数据补全方法，其中，所述点云数据补全方法包括：
25、获取不完整的点云数据；
26、利用点云数据补全模型对所述不完整的点云数据进行处理，得到完整的点云数据；
27、其中，所述点云数据补全模型基于前述任一项所述点云数据补全模型的训练方法训练得到。
28、第三方面，本申请实施例还提供一种点云数据补全模型的训练装置，其中，所述点云数据补全模型的训练装置包括：
29、第一获取单元，用于获取点云数据补全模型的训练样本数据，所述训练样本数据包括不完整的点云数据和对应的完整的点云数据；
30、特征增强处理单元，用于根据所述不完整的点云数据和所述完整的点云数据，利用所述点云数据补全模型的特征增强模块进行特征增强处理，得到点云数据的特征增强信息；
31、训练单元，用于根据所述训练样本数据和所述点云数据的特征增强信息训练所述点云数据补全模型，得到训练后的点云数据补全模型。
32、第四方面，本申请实施例还提供一种点云数据补全装置，其中，所述点云数据补全装置包括：
33、第二获取单元，用于获取不完整的点云数据；
34、补全单元，用于利用点云数据补全模型对所述不完整的点云数据进行处理，得到完整的点云数据；
35、其中，所述点云数据补全模型基于前述所述点云数据补全模型的训练装置训练得到。
36、第五方面，本申请实施例还提供一种电子设备，包括：
37、处理器；以及
38、被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述任一所述点云数据补全模型的训练方法，或者执行前述所述点云数据补全方法。
39、第六方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述任一所述点云数据补全模型的训练方法，或者执行前述所述点云数据补全方法。
40、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的点云数据补全模型的训练方法，先获取点云数据补全模型的训练样本数据，训练样本数据包括不完整的点云数据和对应的完整的点云数据；然后利用点云数据补全模型的特征增强模块分别对不完整的点云数据和完整的点云数据进行处理，得到点云数据的特征增强信息；最后根据训练样本数据和点云数据的特征增强信息训练点云数据补全模型，得到训练后的点云数据补全模型。本申请实施例的点云数据补全模型的训练方法从不完整的点云数据和完整的点云数据中提取出特征增强信息，作为额外的监督信号深度融合到点云数据补全模型的训练过程中，在不影响模型处理速本文档来自技高网...
【技术保护点】
1.一种点云数据补全模型的训练方法，其中，所述点云数据补全模型的训练方法包括：
2.如权利要求1所述点云数据补全模型的训练方法，其中，所述特征增强模块包括类别编译模块，所述根据所述不完整的点云数据和所述完整的点云数据，利用所述点云数据补全模型的特征增强模块进行特征增强处理，得到点云数据的特征增强信息包括：
3.如权利要求2所述点云数据补全模型的训练方法，其中，所述特征增强模块还包括特征信息记忆模块，所述根据所述不完整的点云数据和所述完整的点云数据，利用所述点云数据补全模型的特征增强模块进行特征增强处理，得到点云数据的特征增强信息包括：
4.如权利要求3所述点云数据补全模型的训练方法，其中，所述利用所述特征信息记忆模块对所述完整的点云数据的特征信息和所述不完整的点云的特征信息进行处理，得到点云数据的第二特征增强信息包括：
5.如权利要求4所述点云数据补全模型的训练方法，其中，所述根据所述训练样本数据和所述点云数据的特征增强信息训练所述点云数据补全模型，得到训练后的点云数据补全模型包括：
6.如权利要求1～5任一项所述点云数
7.一种点云数据补全方法，其中，所述点云数据补全方法包括：
8.一种点云数据补全模型的训练装置，其中，所述点云数据补全模型的训练装置包括：
9.一种点云数据补全装置，其中，所述点云数据补全装置包括：
10.一种电子设备，包括：
11.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行权利要求1～6之任一所述点云数据补全模型的训练方法，或者
...【技术特征摘要】
1.一种点云数据补全模型的训练方法，其中，所述点云数据补全模型的训练方法包括：
2.如权利要求1所述点云数据补全模型的训练方法，其中，所述特征增强模块包括类别编译模块，所述根据所述不完整的点云数据和所述完整的点云数据，利用所述点云数据补全模型的特征增强模块进行特征增强处理，得到点云数据的特征增强信息包括：
3.如权利要求2所述点云数据补全模型的训练方法，其中，所述特征增强模块还包括特征信息记忆模块，所述根据所述不完整的点云数据和所述完整的点云数据，利用所述点云数据补全模型的特征增强模块进行特征增强处理，得到点云数据的特征增强信息包括：
4.如权利要求3所述点云数据补全模型的训练方法，其中，所述利用所述特征信息记忆模块对所述完整的点云数据的特征信息和所述不完整的点云的特征信息进行处理，得到点云数据的第二特征增强信息包括：
5.如权利要求4所述点云数据补全模型...
【专利技术属性】
技术研发人员：艾剑飞，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：
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。