[发明专利]一种三维点云上采样方法、系统、设备及介质

权利要求书

1.一种三维点云上采样方法，其特征在于，包括：

将三维点云划分为能覆盖所有点的固定点数可重叠点云块；

根据点云块中点坐标提取层次化特征；

利用多尺度热核图卷积对提取的所述层次化特征实现点集特征扩展；

从所述扩展特征重建上采样的三维点云中点坐标。

2.根据权利要求1所述的三维点云上采样方法，其特征在于，所述从点云块中点坐标提取层次化特征，是通过深层稠密连接动态图卷积网络实现；

所述动态图卷积网络由多个动态图卷积单元构成，网络的输入为点云块中N个点的三维坐标网络的输出为层次化特征其中，第一个动态图卷积单元的输入特征将第k-1个动态图卷积单元的输出特征作为对第k个动态图卷积单元的输入特征，更新得到第k个动态图卷积单元的输出特征并将最终的第l₁个动态图卷积单元的输出特征作为输出的层次化特征

所述动态图卷积单元进行以下操作：

根据输入特征的相似性构造K₁邻域图生成邻接矩阵

对任意点i的维输入特征计算相对所有邻接点j的维特征平移向量并与输入特征串联生成维向量并通过图卷积提取该点局部邻域特征

这里，ConcatV是向量的串联操作，是图卷积GConv_Θk的可学习参数；

对点i邻域通过排序不变的最大值池化层聚合局部邻域特征作为该点的输出特征

合并所有点的输出特征得到点数为N的点云块输出特征矩阵

3.根据权利要求1所述的三维点云上采样方法，其特征在于，所述多尺度热核图卷积通过具有跨层连接的多尺度热核图滤波器组实现，所述多尺度热核图滤波器组的响应通过以下任一方式获得：

-高参数复杂度、尺度数量可变的聚合方式；

-低参数复杂度、尺度数量固定为上采样倍率R的串联方式。

4.根据权利要求3所述的三维点云上采样方法，其特征在于，多尺度热核图卷积通过聚合方式实现时，包括：

将输入的层次化特征分别通过S个不同热扩散尺度t₁,…,t_S的热核图滤波器，并通过非线性激活函数σ(·)，得到对应的S个滤波响应H₁,…,H_S，其中尺度s的滤波响应为

H_s＝σ(exp(-t_sL)HW_s)

这里，是热扩散尺度t_s的热核函数，L是输入点云块中点坐标相似度构造的K₂邻域图的拉普拉斯矩阵，是第s个尺度的可学习参数矩阵，用于尺度s的特征变换和自适应聚合，行数为输入特征维数n_H，列数为输入特征维数乘以上采样倍率Rn_H；

对S个不同热扩散尺度的滤波响应求和得到聚合特征矩阵，重排所述聚合特征矩阵，保持矩阵元素数量不变并使得矩阵行数等于上采样的目标点数RN，列数为输入特征的维数n_H：

这里，是重排操作，获得重排特征矩阵

将输入的所述层次化特征通过跨层连接，并以上采样倍率R进行平铺扩展，将矩阵的每行复制为R行得到扩展输入特征并与聚合特征矩阵H′_A相加，得到扩展特征矩阵