[发明专利]基于点云补全技术的三维点云重建方法及系统

权利要求书

1.一种基于点云补全技术的三维点云重建方法，其特征在于，包括：

多尺度特征提取步骤：对采集到的待重建点云信息进行多尺度特征提取，得到多尺度特征向量；

多尺度特征重构步骤：将所述多尺度特征向量进行特征重构，得到预测缺失部分点云；

训练步骤：根据所述预测缺失部分点云和联和损失函数进行训练，进行三维点云重建。

2.根据权利要求1所述的基于点云补全技术的三维点云重建方法，其特征在于，所述多尺度特征提取步骤，包括：

多尺度特征提取子步骤1：通过迭代最远点采样对所述待重建点云信息进行下采样处理，得到第一分辨率点云信息和第二分辨率点云信息；

多尺度特征提取子步骤2：通过卷积神经网络对所述待重建点云信息、所述第一分辨率点云信息和所述第二分辨率点云信息进行特征提取，得到所述多尺度特征向量。

3.根据权利要求1所述的基于点云补全技术的三维点云重建方法，其特征在于，所述多尺度特征重构步骤，包括：

多尺度特征重构子步骤1：根据所述多尺度特征向量，得到第一维度特征向量、第二维度特征向量和第三维度特征向量；

多尺度特征重构子步骤2：根据所述第一维度特征向量、所述第二维度特征向量和所述第三维度特征向量，得到第一分辨率缺失部分点云、第二分辨率缺失部分点云和第三分辨率缺失部分点云；

多尺度特征重构子步骤3：将所述第一分辨率缺失部分点云、所述第二分辨率缺失部分点云和所述第三分辨率缺失部分点云进行叠加，得到所述预测缺失部分点云。

4.根据权利要求1或3所述的基于点云补全技术的三维点云重建方法，其特征在于，所述训练步骤，包括：

训练子步骤1：根据所述第一分辨率缺失部分点云、所述第二分辨率缺失部分点云和所述第三分辨率缺失部分点云，构建损失函数；

训练子步骤2：根据所述预测缺失部分点云，构建生成对抗损失函数；

训练子步骤3：根据所述损失函数和所述生成对抗损失函数，得到所述联和损失函数；

训练子步骤4：根据所述预测缺失部分点云和联和所述损失函数进行训练，得到三维点云重建模型。

5.根据权利要求4所述的基于点云补全技术的三维点云重建方法，其特征在于，所述训练步骤，还包括：

训练子步骤5：根据所述三维点云重建模型，进行三维点云重建。

6.一种基于点云补全技术的三维点云重建系统，其特征在于，包括：

多尺度特征提取模块：对采集到的待重建点云信息进行多尺度特征提取，得到多尺度特征向量；

多尺度特征重构模块：将所述多尺度特征向量进行特征重构，得到预测缺失部分点云；

训练模块：根据所述预测缺失部分点云和联和损失函数进行训练，进行三维点云重建。

7.根据权利要求6所述的基于点云补全技术的三维点云重建系统，其特征在于，所述多尺度特征提取模块，包括：

多尺度特征提取子模块M1：通过迭代最远点采样对所述待重建点云信息进行下采样处理，得到第一分辨率点云信息和第二分辨率点云信息；

多尺度特征提取子模块M2：通过卷积神经网络对所述待重建点云信息、所述第一分辨率点云信息和所述第二分辨率点云信息进行特征提取，得到所述多尺度特征向量。

8.根据权利要求6所述的基于点云补全技术的三维点云重建系统，其特征在于，所述多尺度特征重构模块，包括：

多尺度特征重构子模块M1：根据所述多尺度特征向量，得到第一维度特征向量、第二维度特征向量和第三维度特征向量；

多尺度特征重构子模块M2：根据所述第一维度特征向量、所述第二维度特征向量和所述第三维度特征向量，得到第一分辨率缺失部分点云、第二分辨率缺失部分点云和第三分辨率缺失部分点云；

多尺度特征重构子模块M3：将所述第一分辨率缺失部分点云、所述第二分辨率缺失部分点云和所述第三分辨率缺失部分点云进行叠加，得到所述预测缺失部分点云。