[发明专利]点云数据的补全和点云数据的处理

说明书

本公开实施例提供一种点云数据的补全和处理方法、装置和系统，能够获取第一点云数据；采用点云补全网络对所述第一点云数据进行补全，得到第二点云数据；其中，所述点云补全网络在基于完整点云数据训练后，根据目标隐空间向量生成第三点云数据，所述第三点云数据经过预设的退化处理后得到的第四点云数据与从物理空间采集的真实点云数据之间的差异在预设的差异范围内。

相关公开的交叉引用

本申请要求2021年3月30日递交的、申请号为10202103258S的新加坡专利申请的优先权，其全部内容通过引用并入本文。

技术领域

本公开涉及计计算机视觉技术领域，尤其涉及点云数据的补全方法、装置和系统以及点云数据的处理方法、装置和系统。

背景技术

点云补全用于修补有所缺失的点云数据(即残缺点云数据)，从残缺点云数据出发估计完整点云数据。点云补全在自动驾驶、机器人导航等多个领域有着诸多应用。传统的点云补全方法大多以成对的残缺点云数据和完整点云数据作为训练数据，对点云补全网络进行全监督训练，再通过训练得到的点云补全网络对残缺点云数据进行补全。然而，残缺点云数据的形式由于传感器种类或者遮挡等情况往往多种多样，基于上述方式得到的点云补全网络很难泛化到其他形式的残缺点云数据，泛化性能较差。

发明内容

根据本公开实施例的第一方面，提供一种点云数据的补全方法，所述方法包括：获取第一点云数据；采用点云补全网络对所述第一点云数据进行补全，得到第二点云数据；其中，所述点云补全网络在基于完整点云数据训练后，根据目标隐空间向量生成第三点云数据，所述第三点云数据经过预设的退化处理后得到的第四点云数据与从物理空间采集的真实点云数据之间的差异在预设的差异范围内。

在一些实施例中，所述方法还包括：获取点云采集装置从物理空间中采集的原始点云数据；对所述原始点云数据进行点云分割，以获取所述第一点云数据。

在一些实施例中，所述方法还包括：对多帧所述第二点云数据进行关联处理。

在一些实施例中，所述方法还包括：基于以下方式获取所述点云补全网络：基于样本完整点云数据对初始的点云补全网络进行训练；获取经训练的所述点云补全网络基于目标隐空间向量生成的第三点云数据；基于所述第三点云数据经过预设的退化处理后得到的第四点云数据以及所述真实点云数据，对经训练的所述点云补全网络进行优化处理，得到所述点云补全网络。

在一些实施例中，所述方法还包括：获取所述第三点云数据中的多个点云块；分别确定各个点云块中点的分布特征；基于所述各个点云块中点的分布特征，建立损失函数；基于所述损失函数对经训练的所述点云补全网络进行优化处理。

在一些实施例中，所述方法还包括：获取从隐空间中采样的多个初始隐空间向量；针对每个初始隐空间向量，基于所述初始隐空间向量对应的点云数据以及所述真实点云数据，确定所述初始隐空间向量的目标函数；基于各个初始隐空间向量的目标函数，从所述各个初始隐空间向量中确定所述目标隐空间向量。

在一些实施例中，所述预设的退化处理包括：对所述真实点云数据中的任意一个目标点，从所述第三点云数据中确定与所述目标点最邻近的至少一个点作为该目标点的邻近点；将所述真实点云数据中各个目标点的邻近点的并集确定为所述第三点云数据经预设的退化处理得到的所述第四点云数据。

根据本公开实施例的第二方面，提供一种点云补全网络的训练方法，所述方法包括：基于样本完整点云数据对初始的点云补全网络进行训练；获取经训练的所述点云补全网络基于目标隐空间向量生成的补全点云数据；基于所述补全点云数据经过预设的退化处理后得到的退化点云数据与从物理空间采集的真实点云数据对经训练的所述点云补全网络进行优化处理，以使所述退化点云数据与所述真实点云数据之间的差异在预设的差异范围内。