一种基于深度学习的残缺钟乳石点云的形状修复方法与流程

技术特征：
1.一种基于深度学习的残缺钟乳石点云的形状修复方法，其特征在于，包括以下步骤：s1：先对钟乳石点云进行三次ifps采样得到三个不同分辨率的钟乳石点云模型，以此作为编码器的输入；s2：编码器对三个不同分辨率的钟乳石点云进行cmlp处理输出三个潜在多维特征向量(维数为：1920)，然后将三个潜在多维特征向量融合得到3
×
1920的特征向量，最后通过mlp得到最终的多维特征向量(维数为：1920)；s3：解码器将s2中编码器输出的特征向量通过两个全连接层得到两个特征层f
i
(f
i
＝1024,512；i＝1,2)，接着运用全连接网络重构一个m1×
3的矩阵，得到一个具有m1个点的残缺部分粗略点云y
c
；s4：针对s3中残缺部分粗略点云y
c
中的每个点p
i
通过结合详细特征向量的折叠操作在以p
i
为中心的局部坐标中生成y＝t2的点填充，将局部填充转换为全局坐标，最终将p
i
和y组合形成详细的残缺部分输出y
d
；s5：判别器输入s4中残缺部分输出y
d
，通过串联的lmp结构对点云进行编码[64
‑
64
‑
128
‑
256]，然后将网络的最后三层输出进行最大池化，输出一个448维的特征向量；再通过全连接网络进行处理[256,128,16,1]，最终使用sigmoid分类器进行判别。2.根据权利要求1所述一种基于深度学习的残缺钟乳石点云的形状修复方法，其特征在于，所述所述s1中三次ifps采样的三个点云的点数分别为k，其中k为第一个点云的点数，n为采样率。3.根据权利要求1所述一种基于深度学习的残缺钟乳石点云的形状修复方法，其特征在于，所述s3中是将全连接的解码器和基于折叠的方法相结合。4.根据权利要求1
‑
3任意一项所述一种基于深度学习的残缺钟乳石点云的形状修复方法，公开了其在残缺钟乳石点云形状修复技术领域的应用。

技术总结
本发明公开的一种基于深度学习的残缺钟乳石点云的形状修复方法，针对由岩溶洞穴内空间构造的复杂性和三维激光扫描的局限性，导致难以获取完整钟乳石三维点云的问题；本发明提出了一种基于神经网络自动修复补全残缺钟乳石三维点云数据的方法；该方法运用生成对抗网络的原理，采用基于多分辨率的点云编码器，对不同分辨率的点云特征进行提取；采用结合了全连接网络和基于折叠的解码器，用于修复钟乳石点云缺失部分；最后采用判别器使得网络输出的点云更加逼真；实验证明，本发明的网络能够有效实现残缺钟乳石点云的形状补全，并且对于不同残缺度的钟乳石点云输入，具有良好的鲁棒性。性。性。


技术研发人员：夏永华 黄德 杨明龙 刘浩然 朱琪 潘乙榕
受保护的技术使用者：昆明理工大学
技术研发日：2021.06.21
技术公布日：2021/10/23