[发明专利]一种基于Transformer的点云逐点去噪方法

说明书

本发明涉及点云数据预处理技术领域，解决了现有技术无法同时感知不同尺度下点的局部特征缺陷的技术问题，尤其涉及一种基于Transformer的点云逐点去噪方法，包括以下过程：S1、创建点云多尺度数据集，点云多尺度数据集包括不同尺度的点云面片及面片中心点的真值；S2、构建基于多尺度信息的点云去噪网络模型；S3、采用点云多尺度数据集对点云去噪网络模型进行训练；S4、将含有噪声点的点云数据输入至点云去噪网络模型中完成点云去噪。本发明利用Transformer模型结构和多尺度信息全局感知解决了现有技术无法同时感知不同尺度下点的局部特征的缺陷，提升了点云去噪效果，以实现对点云数据的高质量去噪。

技术领域

本发明涉及点云数据预处理技术领域，尤其涉及一种基于Transformer的点云逐点去噪方法。

背景技术

近年来，计算机图形学技术飞快发展，三维数据的高精度表示逐渐成为虚拟现实、增强现实等新兴技术最为迫切的需求，尤其是在工业领域，对三维数据的精度有着更高的要求标准。

点云是某个坐标系下的点的数据集。点云可以包含丰富的信息，包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等等。三维点云作为一种长期应用的三维对象表示方式，在近些年来取得了长足发展，在工业测量、智能驾驶、虚拟现实等领域的发展中发挥了重要作用。一般的点云数据是由激光扫描仪，激光雷达等设备获取的，由于光学仪器采集数据的过程较为复杂，因此获取过程中容易受到干扰，数据中通常存在大量的噪声点，需要在使用之前进行预处理，才能被应用于实际工程中，然而目前所采用的噪声点去除方法存在无法同时感知不同尺度下点的局部特征的缺陷，从而严重影响对于点云数据中噪声点的去噪效果，加强了点云去噪误差。

发明内容

针对现有技术的不足，本发明提供了一种基于Transformer的点云逐点去噪方法，解决了现有技术无法同时感知不同尺度下点的局部特征缺陷的技术问题，本发明提升了点云去噪效果，降低了点云去噪误差，以实现对点云数据的高质量去噪。

为解决上述技术问题，本发明提供了如下技术方案：一种基于Transformer的点云逐点去噪方法，包括以下过程：

S1、创建点云多尺度数据集，点云多尺度数据集包括不同尺度的点云面片及面片中心点的真值；

S2、构建基于多尺度信息的点云去噪网络模型；

S3、采用点云多尺度数据集对点云去噪网络模型进行训练；

S4、将含有噪声点的点云数据输入至点云去噪网络模型中完成点云去噪。

进一步地，在步骤S1中，创建点云多尺度数据集的具体过程包括以下步骤：

S11、获取若干三维点云模型的点云数据及其对应的真值；

S12、根据三维点云模型的点云数据进行采样得到点云中每一个点对应的五个不同尺度的邻域面片点集；

S13、将五个不同尺度的邻域面片点集的数量大小统一为N得到五个矩阵构成点云多尺度数据集，对于点集的数量少于N的邻域面片，则根据步骤S12进行重采样至数量为N，对于点集的数量多于N的邻域面片，则进行下采样至点数为N。

进一步地，在步骤S12中，根据三维点云模型的点云数据进行采样得到点云中每一个点对应的五个不同尺度的邻域面片点集的具体过程包括以下步骤：

S121、采用K邻近法对点云数据中的每一个点分别获取点数为的五种不同尺度大小的邻域面片定义为K值；

S122、采用格点采样法在每个邻域面片的点云数据中选取S个采样点定义为S值；

S123、根据S值得到五个不同尺度的邻域面片K值构成邻域面片点集，五个不同尺度的邻域面片K值分别为S值的1%、1.5%、2%、2.5%、3%。