[发明专利]一种基于标准化流理论的三维点云去噪方法

权利要求书

1.一种基于标准化流理论的三维点云去噪方法，其特征在于，所述三维点云去噪方法包括以下步骤：

S1、合成三维物体表面的点云数据集，包括收集三维物体表面的三维网格数据，使用柏松碟采样算法从三维网格中采样点云数据，将点云分割成分辨率固定的点块；

S2、构建基于标准化流的点云去噪网络，包括依次顺序连接的维度增强模块标准化流模块和噪声过滤模块

S3、训练基于标准化流的点云去噪网络，点云去噪网络利用最小化损失的思想，以端到端的方式训练；在训练的每次迭代中，从点云数据集中随机选取点块先使用数据增强技术提高训练点块的多样性，再添加一种随机噪声到点块数据中，然后发送到点云去噪网络中训练；反复迭代训练过程，使用反向传播技术更新网络参数，直至点云去噪网络收敛；

S4、点云分割，在测试使用时先将噪声点云分割成分辨率固定的点块并将点块内的坐标值归一化到[-1,1]的范围内，并记录归一化时每个点块的坐标位移和缩放比例；

S5、点云去噪，将分割后的点块发送到经过训练的点云去噪网络中，其中N表示点块的分辨率，点云去噪网络首先通过维度增强模块提升点云数据的维度，过程表示为其中函数表示对点块维度增强的过程，表示维度增强后的点块数据，D_a为增强的维度数；接着增强后的点块数据发送到标准化流模块中沿正向传播，得到点块在隐空间下的特征表示过程表示为其中表示噪声点云在隐空间下对应的隐变量，函数表示标准化流的正向传播过程，θ为标准化流模块的参数，D＝D_a+3为每个点的维度增强后特征数；隐变量通过噪声过滤模块将其中的噪声特征去除，得到去噪后的隐变量过程表示为其中为噪声平滑函数；最后隐变量发送到标准化流模块中沿逆向传播，生成欧拉空间下的去噪点块过程表示为其中函数是的逆过程；

S6、点云合并，根据记录的点块坐标位移和缩放比例恢复去噪点块在完整点云中的位置，然后合并所有的去噪点块并使用最远点采样算法下采样到目标点云分辨率，得到去噪后的三维物体表面的完整点云。

2.根据权利要求1所述的一种基于标准化流理论的三维点云去噪方法，其特征在于，所述步骤S1中使用柏松碟采样算法从三维网格中采样点云数据的过程如下：首先在三维网格表面随机生成大量的候选点，然后将三维网格的包围盒均匀地切割多个三维体素，迭代地从各个三维体素中抽取点作为已选点并从候选点中移除与已选点相近的点，直到已选点数达到指定点云分辨率。

3.根据权利要求1所述的一种基于标准化流理论的三维点云去噪方法，其特征在于，所述步骤S1和步骤S4中点块分割的过程如下：首先使用最远点采样算法从完整点云中采样出多个距离较远的点作为每个点块的初始点，然后以初始点为中心使用最近邻索算法扩充点块到固定的分辨率大小N，得到分割后的多个点块。

4.根据权利要求1所述的一种基于标准化流理论的三维点云去噪方法，其特征在于，所述步骤S5中维度增强模块包括依次顺序连接的采样模块条件模块和流变换模块其中所述条件模块由边卷积网络组成，所述流变换模块由3个仿射耦合层和2个排列置换层级联而成，维度增强模块中维度增强的过程如下：

采样增强特征：采样模块从先验标准正太分布中采样出初始的维度增强特征，维度为N×D_a，其中D_a为增强的特征维度数；

提取逐点的条件特征：条件模块使用边卷积网络从输入点云中提取逐点特征，上述逐点特征为增强特征的变换提供辅助信息；

变换增强特征：流变换模块中仿射耦合层接收条件模块输出的辅助信息，将初始的维度增强特征作分布变换，最后输出的特征经过sigmoid函数处理，并与输入点云的数据作拼接，得到输入点块的维度增强后的特征

5.根据权利要求1所述的一种基于标准化流理论的三维点云去噪方法，其特征在于，所述步骤S5中标准化流模块使用离散的标准化流实现，标准化流模块由L个流层级联而成，其中每个流层由仿射耦合层、排列置换层和激活归一化层组成，各层都满足可逆性的要求，实现点云从欧拉空间到隐空间的变换，称该过程为正向传播；同时实现从隐空间到欧拉空间的变换，称该过程为逆向传播。