公开(公告)号：CN113256543A

公开(公告)日：2021-08-13

申请号：CN202110410965.8

申请日：2021-04-16

Applicant: 南昌大学

Inventor： 邹艳妮 ,  张怡睿 ,  徐嘉伯 ,  刘小平 ,  刘捷

IPC: G06T5/50 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明属于点云补全技术领域，涉及一种基于图卷积神经网络模型的点云补全方法，该方法首先使用视点删除操作对数据集做预处理；然后提出局部特征融合操作，通过神经网络中可学习的矩阵寻找局部中点之间的对应关系，从而实现点云局部特征的聚合，使得特征提取的过程中既考虑了点自身的信息也结合了邻近点的信息；最后设计了与局部特征融合操作所适配的G‑Net结构，该结构由包含局部特征融合操作的编码器和多阶段预测的解码器两部分组成。该点云补全新方法解决了现有方法中局部特征提取不充分的问题，使编码器提取出了更全面的语义信息并以此促进解码器更好的关注局部细节，进而提高了点云补全的精准度，实现了高细节的点云补全。

公开(公告)号：CN114359510B

公开(公告)日：2025-02-18

申请号：CN202111504436.0

申请日：2021-12-10

Applicant: 南昌大学

Inventor： 邹艳妮 ,  张怡睿 ,  徐嘉伯 ,  刘小平 ,  刘捷

IPC: G06T17/20 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明属于点云补全技术领域，涉及一种基于锚点检测的点云补全方法，该方法首先使用局部删除操作对数据集做预处理，从而模拟不完整的点云；然后将点云所在空间划分为多个锚点，训练神经网络判断锚点的正负性，得到密度均匀，形状规整的正样本锚点；最后在正样本锚点的邻域内通过神经网络生成密集点云，实现由单一锚点向局部的扩散，完成点云的补全。为实现该方法，我们训练了与之适配的GCNet模型，该神经网络模型能够判断锚点的正负性以及生成锚点扩散的三维坐标信息，实现了端到端的点云补全，并解决了现有方法只依靠神经网络回归生成点云坐标而导致的补全效果不佳的问题，提高了点云补全的效果。

公开(公告)号：CN114359510A

公开(公告)日：2022-04-15

申请号：CN202111504436.0

申请日：2021-12-10

Applicant: 南昌大学

Inventor： 邹艳妮 ,  张怡睿 ,  徐嘉伯 ,  刘小平 ,  刘捷

IPC: G06T17/20 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于点云补全技术领域，涉及一种基于锚点检测的点云补全方法，该方法首先使用局部删除操作对数据集做预处理，从而模拟不完整的点云；然后将点云所在空间划分为多个锚点，训练神经网络判断锚点的正负性，得到密度均匀，形状规整的正样本锚点；最后在正样本锚点的邻域内通过神经网络生成密集点云，实现由单一锚点向局部的扩散，完成点云的补全。为实现该方法，我们训练了与之适配的GCNet模型，该神经网络模型能够判断锚点的正负性以及生成锚点扩散的三维坐标信息，实现了端到端的点云补全，并解决了现有方法只依靠神经网络回归生成点云坐标而导致的补全效果不佳的问题，提高了点云补全的效果。