[发明专利]用于使用生成模型生成合成点云数据的方法和系统

权利要求书

1.一种方法，其特征在于，包括：

获取表示三维3D环境的第一批点云；

通过将第一批点云中的每一个点云投影到具有旋转同变性的投影二维2D数据网格中，为第一批点云中的每一个点云生成投影2D数据网格；以及

在训练阶段，学习生成模型，所述生成模型用于生成一个或多个批次的合成点云，通过为所述生成模型提供第一批次的每个点云的投影2D数据网格来学习所述生成模型，其中，所述生成模型包括柔性卷积运算和转置柔性卷积运算。

2.根据权利要求1所述的方法，其特征在于，还包括：

使用学习到的生成模型，根据从分布中采样的数据生成一批或多批合成点云。

3.根据权利要求1或2所述的方法，其特征在于，所述生成所述投影的2D数据网格还包括：

将投影的2D数据网格的元素从投影的2D数据网格的一条边向相对的边绕接，以填充投影的2D数据网格；以及

在所述训练阶段，使用填充之后的投影2D数据网格学习生成模型。

4.根据权利要求1至3中任一项所述的方法，其特征在于，使用以下公式将所述第一批点云中的每个点云投影到所述投影的2D数据网格：

其中x、y和z表示点云中数据点的3D坐标。

5.根据权利要求4所述的方法，其特征在于，所述投影的2D数据网格是通过添加包含来自所述投影的2D数据网格的原始最右列的元素的添加的最左列，以及添加包含来自所述投影的2D数据网格的原始最左列的元素的添加的最右列来填充的，其中所填充的列的数目由卷积核的大小来确定。

6.根据权利要求5所述的方法，其特征在于，所述投影的2D数据网格中的每一行对应于所述点云中的相应闭环。

7.根据权利要求1至6中任一项所述的方法，其特征在于，还包括：

使用所述一个或多个批次的合成点云补充来自所述第一批次中的点云的任何缺失数据点。

8.根据权利要求1至7中任一项所述的方法，其特征在于，还包括：

将所述生成模型与序列模型相结合，其中，所述序列模型生成合成时间数据，所述合成时间数据用于预测所述第一批次的点云中的任何缺失数据点。

9.根据权利要求1至8中任一项所述的方法，其特征在于，所述学习到的生成模型是递归神经网络RNN。

10.根据权利要求1所述的方法，其特征在于，还包括：

使用学习到的生成模型，根据自主设备的动作，从分布中采样的数据生成一批或多批合成点云。

11.一种处理单元，其特征在于，包括：

处理器；

一种存储计算机可执行指令的存储器，所述计算机可执行指令在由所述处理器执行时使所述处理单元执行根据权利要求1至10中任一项所述的方法。

12.一种存储指令的计算机可读存储器，其特征在于，所述指令在由处理单元的处理器执行时使所述处理单元执行根据权利要求1至10中任一项所述的方法。

13.一种方法，其特征在于，包括：

获取表示3D环境的第一批点云；

通过将第一批点云中的每一个点云投影到具有旋转同变性的投影2D数据网格中，为第一批点云中的每一个点云生成投影2D数据网格；以及

在训练阶段，学习生成模型，所述生成模型用于生成一个或多个批次的合成点云，通过向所述生成模型提供第一批次的点云来学习所述生成模型，其中投影的2D数据网格被用于识别最近的邻居，用于在学习期间执行柔性卷积运算和转置柔性卷积运算。

14.根据权利要求13所述的方法，其特征在于，还包括：

使用学习到的生成模型，根据从分布中采样的数据生成一批或多批合成点云。