(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211072815.1 (22)申请日 2022.09.02 (71)申请人 扬州大学江都高端 装备工程 技术研 究所 地址 225261 江苏省扬州市江都区邵伯镇 诚意路1号 (72)发明人 孙进　马昊天　雷震霆　梁立　 (74)专利代理 机构 南京苏科专利代理有限责任 公司 32102 专利代理师 董旭东　季雯 (51)Int.Cl. G06T 5/00(2006.01) G06T 17/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 多头注意力机制特征编码及双重判别解码 的点云补全方法 (57)摘要 本发明公开了多头注意力机制特征编码及 双重判别解码的点云补全 方法， 其中针对局部特 征感知的编码器模块， 通过结合多头注意力机制 和多层感知机对已有点云进行特征编码， 自适应 聚合输入点 云的相似点特征， 提高特征提取过程 中对局部 特征的感知； 由判别器控制的双分支解 码器， 在局部特征及全局特征解码过程中设置判 别器， 能够基于输入点云特征分别对生成的骨架 点云及细 节点云进行判别， 保证生成点云符合已 有点云的全局特征及细 节特征。 本发 明通过上述 两模块共同作用可有效的增强点云形状补全效 果， 降低了生成点云的倒角 距离损失， 提高了生 成点云的保 真度。 权利要求书2页 说明书5页 附图1页 CN 115423715 A 2022.12.02 CN 115423715 A 1.一种多头注意力机制特征编码及双重判别解码的点云补全方法， 其特征在于， 包括 以下步骤： 步骤1)获取点云数据； 步骤2)基于多头注意力机制的局部特 征编码； 步骤2‑1)基于多层感知机获取点云特 征； 步骤2‑2)基于多头注意力机制构建局部特 征隐式模型； 步骤3)基于双重判别器的缺失几何特 征解码； 步骤4)融合 生成点云与已有点云。 2.根据权利要求1所述的多头注意力机制特征编码及双重判别解码的点云补全方法， 其特征在于， 所述步骤1)具体包括： 通过三维扫描仪获取点云数据； 对于每个三维点云模 型， 随机选取视点， 并选取一个视点作为球心， 删除球面上以R为半径的所有点， 剩下的点视 为缺失点云作为网络输入， 以删除的点云作为真实点云， 其中， 网络输入为一组点云数据 3.根据权利要求2所述的多头注意力机制特征编码及双重判别解码的点云补全方法， 其 特 征 在 于 ， 所 述 步 骤 2 ‑1) 具 体 包 括 ： 输 入 步 骤 1) 给 定的 一 组 点 云 数 据 其中N表示笛卡尔空间坐标系坐标系中进行MLP操作 将无序点云数据转换成矩阵信息F1， 其中F1的大小为 n×a。 4.根据权利要求1所述的多头注意力机制特征编码及双重判别解码的点云补全方法， 其特征在于， 所述步骤2 ‑2)具体包括： 首先， 接收已获取的特征F1并设置对最远距离点采样 算法的下采样比d， 获取大小为(n/ d)×a的下采样点云特征矩阵F2， 然后， 利用残差形式的 多头交叉注意力机制学习特 征F2， 获取对应特 征F3： F3＝f(F2+MultHead(F2,K,V) ) 其中： f表示求和并使用LayerNor m做归一化处理， F2表示输入的特征， MultHe ad(F2,K, V)＝Cat(head1,head2,…,headn)WO， 特征F3的大小为(n/d) ×2a； 通过前馈网络F FN进一步更新特 征F3： F4＝cat(F3+F FN(F2),F2) 其中， cat()表示通过torch.nn.cat函数进行连接操作； 最后， 将特征F4通过多层感知 器MLP及最大池化Maxpo oling获取最终的特 征F5。 5.根据权利要求1所述的多头注意力机制特征编码及双重判别解码的点云补全方法， 其特征在于， 所述 步骤3)包括： 步骤3‑1)基于编码器获取 特征解码获取骨架点云特 征； 步骤3‑2)基于判别器确定生成的骨架点云； 步骤3‑3)基于骨架点云特 征细化生成细节点云特 征； 步骤3‑4)融合骨架点云及 细化点云并进行二次判别， 获取最终生成点云。 6.根据权利要求1所述的多头注意力机制特征编码及双重判别解码的点云补全方法， 其特征在于， 步骤3 ‑2)所述判别器的损失几何特征解码损失包含dCD1和dCD2， 并使用超参数β 加权： L＝dCD1(U1,U'1)+β dCD2(U2,U'2)权　利　要　求　书 1/2 页 2 CN 115423715 A 2其中： U1为精密点云， U2为骨架点云， U'1和U'2分别表示对应的真实点云， dCD表示倒角距 离损失： 权　利　要　求　书 2/2 页 3 CN 115423715 A 3