基于动态图卷积的点云补全网络

摘要：

大多数传统的深度学习点云补全学习方法仅仅使用了全局特征而忽略了局部特征,为了更好地提取和使用点云的局部特征,提出了一个基于深度学习的端到端点云补全网络.在点云补全网络(PCN)的基础上,编码部分引入针对局部特征改进的动态图卷积(DGCNN),使用多个不同维度的边卷积提取较为丰富的局部特征,并按照距离弱化远点的特征;然后用深度残差网络连接的思想优化网络结构以实现多尺度特征的融合,并加入平均池化弥补全局池化造成的信息损失;在解码部分引入折叠网络(FoldingNet),使输出的点云更加完整.实验结果表明,该点云补全网络相对PCN等点云补全网络有部分提升,验证了新方法的有效性.

关键词：图像处理、三维点云、卷积神经网络、形状补全

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61732005

在线出版日期：2023-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：18-23