(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 202210195181.2 (22)申请日 2022.03.01 (71)申请人 北京工业大 学 地址 100124 北京市朝阳区平乐园10 0号 (72)发明人 施云惠　王一波　王瑾　尹宝才　 (74)专利代理 机构 北京思海天达知识产权代理 有限公司 1 1203 专利代理师 张慧 (51)Int.Cl. G06T 17/20(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) (54)发明名称 一种基于局部几何一致性与特征一致性的 点云补全方法 (57)摘要 本发明涉及一种基于局部几何一致性与特 征一致性的点云补全 方法， 用于解决点云补全任 务中补全结果细节丢失严重以及补全的点云分 布不均匀的问题， 具体方案包括： 基于特征一致 性的方法通过加强预测值与真实值之间对应局 部区域点云分布的一致性， 解决细节丢失问题； 此外， 在点 云生成过程中， 本发明采用 “粗糙到细 节”多阶段方式生成不同尺度的点云， 所以， 基于 特征一致性的方法通过将不同尺度点云映射到 特征空间， 通过加强不同尺度点 云在特征空间的 一致性， 使得不同尺度的点云在几何形状上更加 一致， 使得最终的补全结果更加接近真实值。 本 发明与现有的方法比， 很大程度上克服了上述提 及的问题， 本发明具有明显的提升效果。 权利要求书2页 说明书7页 附图2页 CN 114565738 A 2022.05.31 CN 114565738 A 1.一种基于局部几何一致性与特征一致性的点云补全方法， 其特征在于： 本方法通过 点云补全网络对缺失区域的点云进行 预测补全， 点云补全网络的工作过程如下： 步骤1： 对有 缺失的点云进行m次下采样， 分别得到包含N， N/k， N/k2个点的不同尺度的点 云； 步骤2： 将这三种不同尺度的点云输入到编码器中， 编码器有三条并行支路， 每条支路 为一个结构相同， 参数不同的多层感知机， 一种尺度的点云输入到一个多层感知机， 每个多 层感知机用于提取一种尺度点云的特 征， 这三种尺度的特 征维度均为1 ×d； 步骤3： 将这三种特征进行CONCAT拼接， 得到3 ×d特征， 经过卷积CONV操作， 将这拼接的 特征进行融合， 得到1 ×d的融合特 征V； 步骤4： 将特征V经过一层Linear线性层输入到解码器， 得到被重建的缺失区域； 其中， 解码器是一个三层的结构， 其中， 第一层由一个线性层组成， 其输出为 代表缺失区 域的关键点； 第二层依次由线性层与卷积层组成， 输出为 代表以 为中心进行 上采样， 得到稍微密集的点云； 第三层依次由线性层与卷积层组成， 输出的是 代表的 是以 为中心进行上采样， 得到最密集的点云， 包含着最丰富的细节， 是最终需 要的结果。 2.根据权利要求1所述的一种基于局部几何一致性与特征一致性的点云补全方法， 其 特征在于： 点云补全网络的损失函数如下： 其中， 是点云补全网络生成的不同尺度的缺失区域的点云； Ygt， Y′gt， Y″gt分别是与 对应的Ground  truth。 Y′gt， Y″gt分别是通过 不同下采样系数， 对Ygt下采样得到的， Ygt就是根据视点去除的包含M个点的缺失区域， Cs与 Cd分别代表预训练模型的编码器从点云 与 提取的特 征。 3.根据权利要求1所述的一种基于局部几何一致性与特征一致性的点云补全方法， 其 特征在于： 在预训练的过程中， 采取的是端到端的训练方式， 即网络输入是缺失区域， 输出是被网 络重建的缺失区域， 训练过程中采用的是CD倒角距离作为该阶段的损失函数， 预训练的目 的是得到稳定的编码器模型用于提取预测点云 与 的特征用于补全网络损失函 数的计算， 具体过程包括， 步骤1： 通过随机方式选取一个视点， 以视点为中心， 选择完整点云中与视点最近的M个 点作为点云缺失区域， 以此来获取该阶段的训练数据， 同时也作为该阶段网络损失函数 的权　利　要　求　书 1/2 页 2 CN 114565738 A 2Ground truth； 对点云的缺失 区域进行m次下采样， 分别得到包含M， M/k， M/k2个点的不同尺 度点云， k 为下采样系数； 步骤2： 将这三种不同尺度的点云输入到编码器中， 编码器有三条并行支路， 每条支路 为一个结构相同， 参数不同的多层感知机， 一种尺度的点云输入到一个多层感知机， 每个多 层感知机用于提取一种尺度点云的特 征， 这三种尺度的特 征维度均为1 ×d； 步骤3： 将这三种特征进行CONCAT拼接， 得到3 ×d特征， 经过卷积CONV操作， 将拼接好的 特征进行融合， 最终得到1 ×d的融合特 征V； 步骤4： 将特征V经过一层Linear线性层输入到解码器， 得到被重建的缺失区域； 其中， 解码器是一个三层的结构， 其中， 第 一层由一个线性层组成， 其输出为 代表缺失区域的 关键点； 第二层依次由线性层与卷积层组成， 输出为 代表以 为中心进 行上采样， 得到 稍微密集的点云； 第三层依次由线性层与卷积层组成， 输出的是 代表的是以 为中心 进行上采样， 得到最密集的点云， 包 含着最丰富的细节， 是最终需要的结果。权　利　要　求　书 2/2 页 3 CN 114565738 A 3