[发明专利]一种基于各向异性卷积的点云补全方法及装置

权利要求书

1.一种基于各向异性卷积的点云补全方法，其特征在于，所述基于各向异性卷积的点云补全方法，包括：

采用迭代最远点采样算法对输入的原始点云数据进行下采样，获得更小分辨率的两个点云数据；

将原始点云数据及下采样获得的两个点云数据输入到各向异性卷积编码器中，所述各向异性卷积编码器分别提取点云数据的潜在特征，并连接所提取的三个潜在特征，使用MLP生成了最终特征向量；

将各向异性卷积编码器生成的最终特征向量输入到从粗糙到精细的组合金字塔解码器中，从最终特征向量中推测出点云缺失部分。

2.如权利要求1所述的基于各向异性卷积的点云补全方法，其特征在于，所述各向异性卷积编码器分别提取点云数据的潜在特征，包括：

依次经过四次各向异性卷积操作，将每次各向异性卷积操作后的中间特征进行激活函数操作，连接激活函数处理后的四个中间特征并使用MLP生成潜在特征。

3.如权利要求2所述的基于各向异性卷积的点云补全方法，其特征在于，所述各向异性卷积操作，包括：

通过等面积投影方法将斐波那契晶格映射到球体表面以获得核点，计算出点云数据中的每个点与其相邻点的相邻位置，将相邻位置与所述核点做点积，然后经过激活函数得到每个点的软排列矩阵；

将点云数据中每个点与其相邻点做位置编码，连接所述位置编码与前一次各向异性卷积操作输出的中间特征，得到每个点对应的点特征向量；

将点云数据中的每个点的点特征向量与软排列矩阵做点积操作后进行常规的卷积操作，得到本次各向异性卷积操作输出的中间特征。

4.如权利要求1所述的基于各向异性卷积的点云补全方法，其特征在于，所述将各向异性卷积编码器生成的最终特征向量输入到从粗糙到精细的组合金字塔解码器中，从最终特征向量中推测出点云缺失部分，包括：进行

将最终特征向量通过完全连接层，输出对应于输入点云三种不同分辨率的三个特征层FC₁、FC₂和FC₃；

对特征层FC₁进行预测，得到第一预测点云Y_coarse；

连接特征层FC₁、FC₂，对连接后的特征进行预测，得到第二预测点云Y_middle；

连接FC₁、FC₂和FC₃，对连接后的特征进行预测，得到第三预测点云Y_fine，即为点云缺失部分。

5.如权利要求4所述的基于各向异性卷积的点云补全方法，其特征在于，所述组合金字塔解码器预先训练，在预先训练时，对于每一个分辨率的点云数据，采用如下损失函数：

其中，S₁是组合金字塔解码器输出的预测值，S₂是真实值，x是S₁中的点，y是S₂中的点；

组合金字塔解码器将会预测三种不同分辨率的点云，多级补全损失表示为：

L＝d_CD(Y_fine,Y_gt)+αd_CD(Y_middle,Y′_gt)+2αd_CD(Y_coarse,Y″_gt)，

其中α是超参数，Y_gt、Y′_gt和Y″_gt分别是Y_fine、Y_middle和Y_coarse所对应点云的真实值。

6.一种基于各向异性卷积的点云补全装置，包括处理器以及存储有若干计算机指令的存储器，其特征在于，所述计算机指令被处理器执行时实现权利要求1至权利要求5中任意一项所述方法的步骤。