基于下采样的自监督点云去噪方法

摘要：

针对无噪点云采集困难且使用模拟噪声在合成数据集上训练泛化性能较低的问题,提出一种仅需含噪点云即可完成训练的自监督去噪方法,以实现在不同环境下的点云去噪.该方法首先通过设计并实现特殊的采样器,对带噪点云下采样,得到训练网络所需的配对点云;然后通过设计轻型多尺度去噪网络,解决网络训练中噪声的扰动问题.在多个数据集上的实验结果表明该方法有效,在不同场景下能获得与有监督训练相同的效果.

关键词：自监督学习、点云去噪、下采样、深度学习

所属期刊栏目：62

分类号：TP391.41(计算技术、计算机技术)

资助基金：吉林省科技发展计划项目;吉林省科技发展计划项目

在线出版日期：2024-01-22（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：100-105