[发明专利]深度补全网络的训练方法、装置、电子设备及存储介质

权利要求书

1.一种补全网络的训练方法，包括：

将第一样本图像和所述第一样本图像的第一点云数据输入第一深度补全网络中进行深度补全，以输出所述第一样本图像的第一补全点云数据；

将所述第一样本图像和所述第一样本图像的第二点云数据，以及所述第一样本图像的第一补全点云数据，确定为第二深度补全网络的第一训练样本，其中，所述第一点云数据的点云密度要大于所述第二点云数据的点云密度；

基于所述第一训练样本对所述第二深度补全网络进行训练，以生成目标第二深度补全网络。

2.根据权利要求1所述的方法，其中，所述将第一样本图像和所述第一样本图像的第一点云数据输入第一深度补全网络中进行预测之前，还包括：

获取第二样本图像、所述第二样本图像的第三点云数据以及全点云数据，作为第二训练样本；

基于所述第二训练样本对深度补全网络中进行训练，以获取所述第一深度补全网络；

基于所述第一深度补全网络生成所述第二深度补全网络。

3.根据权利要求1或2所述的方法，其中，所述方法还包括：

对所述第一点云数据进行下采样，生成所述第二点云数据。

4.根据权利要求2所述的方法，其中，所述第三点云数据的点云密度要大于所述第二点云数据的点云密度。

5.根据权利要求1所述的方法，其中，所述基于所述第一训练样本对所述第二深度补全网络进行训练，以生成目标第二深度补全网络，包括：

将所述第一样本图像和所述第二点云数据输入所述第二深度补全网络进行训练，以获取所述第一样本图像的第二补全点云数据；

基于所述第一补全点云数据和所述第二补全点云数据，确定所述第二深度补全网络的损失函数；

基于所述损失函数，调整所述第二深度补全网络的模型参数，并返回下一次训练直至满足训练结束条件结束训练，生成所述目标第二深度补全网络。

6.一种图像的深度信息补全方法，包括：

获取待补全深度信息的目标图像和所述目标图像的点云数据；

将所述目标图像和所述点云数据输入到目标第二深度补全网络中进行预测，输出所述目标图像的补全点云数据；

其中，所述目标第二深度补全网络为采用权利要求1－5任一项所述的深度补全网络的训练方法训练出的网络。

7.一种深度补全网络的训练装置，包括：

输入模块，用于将第一样本图像和所述第一样本图像的第一点云数据输入第一深度补全网络中进行深度补全，以输出所述第一样本图像的第一补全点云数据；

确定模块，用于将所述第一样本图像和所述第一样本图像的第二点云数据，以及所述第一样本图像的第一补全点云数据，确定为第二深度补全网络的第一训练样本，其中，所述第一点云数据的点云密度要大于所述第二点云数据的点云密度；

生成模块，用于基于所述第一训练样本对所述第二深度补全网络进行训练，以生成目标第二深度补全网络。

8.根据权利要求7所述的深度补全网络的训练装置，还包括第二深度补全网络生成模块，还用于：

获取第二样本图像、所述第二样本图像的第三点云数据以及全点云数据，作为第二训练样本；

基于所述第二训练样本对深度补全网络中进行训练，以获取所述第一深度补全网络；

基于所述第一深度补全网络生成所述第二深度补全网络。

9.根据权利要求7所述的深度补全网络的训练装置，还包括下采样模块，用于对所述第一点云数据进行下采样，生成所述第二点云数据。

10.根据权利要求8所述的第二深度补全网络生成模块，其中，所述第三点云数据的点云密度要大于所述第二点云数据的点云密度。