三维点云补全方法、装置及设备与流程

技术特征：
1.一种三维点云补全方法，其特征在于，包括：采集待识别的不完整点云数据；输入所述不完整点云数据至三维点云补全模型，输出所述不完整点云数据对应的完整目标点云数据；其中，所述三维点云补全模型为不完整点云数据样本和完整点云数据标签进行训练后得到的。2.根据权利要求1所述的三维点云补全方法，其特征在于，所述采集待识别的不完整点云数据之前，还包括：获取初始训练数据，并对所述初始训练数据进行预处理；对所述预处理之后的数据进行预设次数的迭代最远点采样，得到与所述预设次数对应的目标数量的次级训练数据；基于多层感知机，根据所述目标数量的次级训练数据和所述初始训练数据，得到目标特征向量；将所述目标特征向量与单位正方形随机采样点坐标进行级联，根据所述级联后的结果构建机器学习模型，对所述机器学习模型进行训练，得到三维点云补全模型。3.根据权利要求2所述的三维点云补全方法，其特征在于，所述基于多层感知机，根据所述目标数量的次级训练数据和所述初始训练数据，得到目标特征向量，包括：将所述目标数量的次级训练数据和所述初始训练数据分别通过组合多层感知机，得到初级特征向量；对所述初级特征向量进行级联，得到特征图；将所述特征图通过多层感知机，得到整合特征向量，以所述整合特征向量作为目标特征向量。4.根据权利要求2所述的三维点云补全方法，其特征在于，所述根据所述级联后的结果构建机器学习模型，包括：将级联后的输出结果与所述初始训练数据相结合，并对结合后的数据进行基于预设密度的采样；将所述采样的结果通过残差网络进行训练，构建机器学习模型。5.根据权利要求4所述的三维点云补全方法，其特征在于，所述将所述采样的结果通过残差网络进行训练之后，还包括：通过建立代价函数对残差网络训练后的模型进行参数优化处理。6.根据权利要求2所述的三维点云补全方法，其特征在于，所述对所述机器学习模型进行训练，得到三维点云补全模型，包括：设置目标参数；基于目标训练数据和所述目标参数，对所述机器学习模型进行训练，得到三维点云补全模型，所述目标训练数据包括所述初始训练数据和所述次级训练数据。7.根据权利要求6所述的三维点云补全方法，其特征在于，所述得到三维点云补全模型之后，还包括：通过emd指标和cd指标对所述三维点云补全模型进行评价。8.根据权利要求2所述的三维点云补全方法，其特征在于，所述对所述初始训练数据进行预处理，包括：
基于预设关联关系，对所述初始训练数据进行归一化处理，得到点云三维坐标。9.一种三维点云补全装置，其特征在于，包括：采集模块，用于采集待识别的不完整点云数据；补全模块，用于输入所述不完整点云数据至三维点云补全模型，输出所述不完整点云数据对应的完整目标点云数据；其中，所述三维点云补全模型为不完整点云数据样本和完整点云数据标签进行训练后得到的。10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述三维点云补全方法的步骤。

技术总结
本发明提供一种三维点云补全方法、装置及设备，方法通过采集待识别的不完整点云数据；输入所述不完整点云数据至三维点云补全模型，输出所述不完整点云数据对应的完整目标点云数据；其中，所述三维点云补全模型为不完整点云数据样本和完整点云数据标签进行训练后得到的，由于本申请中的三维点云补全模型结合了多种模型的优点，克服了不同模型对点云补全精度不高的问题，在能够保证点云补全的速度的同时，有效地提高了点云补全精度。有效地提高了点云补全精度。有效地提高了点云补全精度。


技术研发人员：魏国华 陈寂驰 陆戈辉 徐啸 黄杉
受保护的技术使用者：上海机电工程研究所
技术研发日：2021.09.07
技术公布日：2022/1/10