[发明专利]神经网络点云生成系统

权利要求书

1.一种系统，包括：

存储生成式对抗网络(GAN)的存储器；以及

一个或多个处理器，其被配置成接收包括一组三维(3D)数据点的低分辨率点云，所述低分辨率点云表示对象，所述一个或多个处理器被配置成将所述低分辨率点云输入到所述GAN，以使所述GAN的生成器至少部分地基于所述低分辨率点云中的所述数据点的一个或多个特性来生成第一组生成的数据点，所述生成器被进一步配置成将所述生成的数据点内插到所述低分辨率点云中以产生表示所述对象并且具有比所述低分辨率点云更高的分辨率的的超分辨点云；

其中所述一个或多个处理器被进一步配置成分析所述超分辨点云以用于检测所述对象的标识或对所述对象的损坏中的一个或多个。

2.根据权利要求1所述的系统，其中，所述对象是涡轮发动机，并且所述一个或多个处理器被配置成分析所述超分辨点云以检测对所述涡轮发动机的涂层的损坏。

3.根据权利要求1所述的系统，其中，所述GAN的鉴别器被配置成从所述生成器接收所述超分辨点云，并且预测所述超分辨点云中的所述对象是否是与一个或多个高分辨率训练点云中表示的对象相似或相同中的一个或多个。

4.根据权利要求3所述的系统，其中，响应于所述鉴别器预测所述超分辨点云中的所述对象不与所述一个或多个高分辨率训练点云中的任何一个中表示的任何对象相似或相同，所述GAN的所述生成器被配置成生成不同的第二组生成的数据点，所述数据点被内插到所述低分辨率点云中以产生修正的超分辨点云。

5.根据权利要求4所述的系统，其中，存储器上的所述GAN的所述生成器是具有人工神经元的人工神经网络，所述人工神经元将加权函数应用于所述低分辨率点云中的所述数据点的所述一个或多个特性以生成所述生成的数据点，并且响应于所述GAN的所述鉴别器预测所述超分辨点云中的所述对象不与所述一个或多个高分辨率训练点云中的任何一个中表示的任何对象相似或相同，所述生成器被配置成在生成所述第二组生成的数据点之前改变由所述人工神经元在所述加权函数中应用的一个或多个权重。

6.根据权利要求1所述的系统，其中，所述GAN的所述生成器将所述生成的数据点内插到所述低分辨率点云中，处于所述低分辨率点云中相邻数据点之间的坐标位置处。

7.根据权利要求1所述的系统，其中，所述一个或多个处理器被配置成从飞行时间距离成像相机接收所述低分辨率点云。

8.根据权利要求1所述的系统，其中，所述GAN的所述生成器被配置成生成比所述低分辨率点云中的所述数据点总量多至少三倍的所述超分辨点云的所述生成数据点量。

9.根据权利要求1所述的系统，其中，所述GAN的所述生成器在其上被配置成生成所述生成的数据点的所述低分辨率点云中的所述数据点的所述一个或多个特性包括所述数据点的3D位置坐标、强度、颜色或相对位置中的一个或多个。

10.根据权利要求1所述的系统，其中，所述GAN的所述生成器被配置成至少部分地基于由所述GAN在所述GAN的训练阶段期间从所述一个或多个处理器接收的一个或多个训练点云中的数据点的一个或多个特性的确定分布来生成所述生成的数据点。

11.一种方法，包括：

获得包括一组三维(3D)数据点的低分辨率点云，所述低分辨率点云表示对象；

将所述低分辨率点云输入到生成式对抗网络(GAN)的生成器，所述GAN的所述生成器被训练成至少部分地基于所述低分辨率点云中的所述数据点的一个或多个特性来生成第一组生成的数据点，所述生成器被进一步配置成将所述生成的数据点内插到所述低分辨率点云中以产生表示所述对象并且具有比所述低分辨率点云更高的分辨率的超分辨点云；以及

分析所述超分辨点云以检测所述对象的标识或对所述对象的损坏中的一个或多个。