[发明专利]点云超分辨率方法、装置、电子设备及存储介质

权利要求书

1.一种点云超分辨率方法，其特征在于，包括：

构建并训练点云初始超分辨率模型，得到满足精度阈值的点云超分辨率模型；所述点云初始超分辨率模型包括生成器和判别器；

将待处理点云划分为分片点云，将所述分片点云输入所述点云超分辨率模型；

通过所述生成器提取所述分片点云的几何信息特征和颜色信息特征，并由所述生成器利用所述几何信息特征和所述颜色信息特征重建超分辨率点云；

通过所述判别器判断重建的所述超分辨率点云是否达到预设置信度阈值，并输出达到预设置信度阈值的超分辨率点云。

2.根据权利要求1所述的点云超分辨率方法，其特征在于，

所述生成器包括并行的点云坐标生成通道和点云颜色生成通道；所述点云坐标生成通道用于提取所述分片点云的几何信息特征；所述点云颜色生成通道用于提取所述分片点云的颜色信息特征。

3.根据权利要求2所述的点云超分辨率方法，其特征在于，所述训练点云初始超分辨率模型，包括：

将训练集中的点云输入所述生成器，所述点云坐标生成通道和所述点云颜色生成通道进行连续两次上采样操作，得到预测点云；

计算所述预测点云的预测误差，根据所述预测误差反向更新所述生成器中的参数，迭代直至所述预测误差达到预设阈值为止，得到第一次训练完成的生成器；

将所述训练集中的点云以及对应的所述预测点云输入所述判别器以判断所述预测点云的置信度，根据置信度判断结果更新整个所述点云初始超分辨率模型，迭代直至所述置信度达到预设置信度阈值为止。

4.根据权利要求1所述的点云超分辨率方法，其特征在于，所述训练点云初始超分辨率模型，包括：使用复合损失作为超分辨率任务训练损失的一部分以训练所述点云初始超分辨率模型；其中，所述复合损失包括对抗损失、形状感知损失和基于几何位置的颜色损失。

5.根据权利要求4所述的点云超分辨率方法，其特征在于，所述形状感知损失包含整体约束和细节约束；所述整体约束使用EMD计算预测点云和真实点云两个数据分布的距离进行约束；所述细节约束使用预测点云和真实点云间逐点对的平均距离以及生成点云的密度度量进行约束。

6.根据权利要求1所述的点云超分辨率方法，其特征在于，所述将待处理点云划分为分片点云，包括：

将所述待处理点云均匀地划分为体积相同的小立方体，以所述小立方体为单位进行分片采样，采样时以预设重叠率采集相邻立方体的点，得到所述分片点云。

7.根据权利要求1所述的点云超分辨率方法，其特征在于，所述通过所述生成器提取所述分片点云的几何信息特征和颜色信息特征，包括：

通过所述生成器使用基于三维空间k近邻的图卷积操作，提取所述分片点云的几何信息特征和颜色信息特征。

8.一种点云超分辨率装置，其特征在于，包括：

构建训练模块，用于构建并训练点云初始超分辨率模型，得到满足精度阈值的点云超分辨率模型；所述点云初始超分辨率模型包括生成器和判别器；

划分模块，用于将待处理点云划分为分片点云，将所述分片点云输入所述点云超分辨率模型；

重建模块，用于通过所述生成器提取所述分片点云的几何信息特征和颜色信息特征，并由所述生成器利用所述几何信息特征和所述颜色信息特征重建超分辨率点云；

判断输出模块，用于通过所述判别器判断重建的所述超分辨率点云是否达到预设置信度阈值，并输出达到预设置信度阈值的超分辨率点云。

9.一种电子设备，其特征在于，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，所述处理器执行所述程序，以实现如权利要求1-7中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以实现如权利要求1-7中任一所述的方法。