[发明专利]基于点云补全技术的三维点云重建方法及系统

说明书

本发明提供了一种基于点云补全技术的三维点云重建方法及系统，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。与现有技术相比，本发明通过迭代最远点采样和卷积神经网络提取输入分布的多尺度特征信息，并通过自底向上的方式逐级预测不完整点云样本的缺失部分，最终实现对目标物体的高精度重建。

技术领域

本发明涉及三维重建技术领域，具体地，涉及一种基于点云补全技术的三维点云重建方法及系统。

背景技术

三维重建技术通过深度数据获取、预处理、点云配准与融合和生成表面等过程，把真实场景刻画成符合计算机逻辑表达的数学模型。这种模型可以对如文物保护、游戏开发、建筑设计、临床医学等研究起到辅助的作用。在景物深度信息已知的条件下，只需要经过点云数据的配准及融合，即可实现景物的三维重建。

现有的三维点云重建系统的特征提取模块只关注了输入点云的全局特征信息，缺乏对输入点云局部特征信息的感知，进而影响系统重建的点云质量。因此，现有技术存在对输入分布局部特征信息感知能力不佳的问题。

专利文献CN113706686A公开了一种三维点云重建结果补全方法，该方法采用迭代预测和修正的方式预测缺失点云，以不完全的三维点云作为输入，构建基于Transformer的金字塔编码器，学习点之间的相关性，提取多尺度的全局几何结构和局部细节特征；构建基于Transformer的金字塔解码器，充分利用已有点云的全局几何结构和局部细节信息，在多个尺度上迭代预测缺失点云，补全三维点云重建结果。但该方法并未有效地解决现有技术中对于局部特征信息感知能力不佳的问题。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于点云补全技术的三维点云重建方法及系统。

根据本发明提供的一种基于点云补全技术的三维点云重建方法，包括如下步骤：

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。

优选地，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待重建点云信息、第一分辨率点云信息和第二分辨率点云信息进行特征提取，得到多尺度特征向量。

优选地，多尺度特征重构步骤，包括：

多尺度特征重构子步骤1：根据多尺度特征向量，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，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进行叠加，得到预测缺失部分点云。

优选地，训练步骤，包括：

训练子步骤1：根据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，构建损失函数；

训练子步骤2：根据预测缺失部分点云，构建生成对抗损失函数；