[发明专利]一种基于深度学习的残缺钟乳石点云的形状修复方法

权利要求书

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。