[发明专利]基于图残差神经网络融合的点云数据拼接方法

权利要求书

1.一种基于图残差神经网络融合的点云数据拼接方法，其特征是利用图神经网络将非结构化的点云数据进行自适应聚类分层，然后将每一类的点云数据处理成大小相同的点云数据，再利用残差神经网络对点云数据进行特征提取，得到点云特征图，然后将两组待拼接的点云特征图进行逐一对比，筛选出成对的相似点云特征图，最后利用反卷积神经网络将反卷积出来的成对相似点云特征图进行模型匹配，从而计算出点云特征图的偏移量，将得到的偏移量作为初始值利用ICP算法进行点云细拼接，即可拼接出完整的点云图像；此点云拼接方法可在异物检测、体积测量、三维重构多种点云拼接场合应用；

其中图神经网络结构中节点数设定为P个，每个节点的输入是此节点所代表的点在空间中的三维坐标，当每次采集的点云数大于P个时，则选取P个点作为图神经网络的输入，当点云数少于P个时，将剩余节点的输入设为（0，0，0），最后将此类节点所聚成的类称之为无效类并进行剔除，无效类剔除之后剩余类的个数为有效类别；

其中自适应聚类分层的过程是，利用已训练好的图神经网络对点云数据进行预处理后，将有效类别数设定为8，当图神经网络的有效类别数小于8时，便将各类点云数据进行对比，将点云数据量最大的类别输入图神经网络再次进行聚类，直到有效类别数等于或大于8，当有效类别数大于8时，只选择包含点云数据最多的8种有效类别数来最大限度的保留点云数据。

2.如权利要求1所述的基于图残差神经网络融合的点云数据拼接方法，其特征是点云数据经过图神经网络自适应聚类分层之后，将图神经网络输出的结构性点云数据按照类别统一转化为点云数据。

3.如权利要求1所述的基于图残差神经网络融合的点云数据拼接方法，其特征是将提取出的两组特征图利用序贯相似性检测算法进行逐一对比，提取出相似特征图，这些特征图中蕴含两组点云数据所共有的特征。