多级精细化反卷积点云补全网络

摘要：

点云作为三维对象的一种重要表示方法,已被广泛应用于机器视觉和计算机视觉等领域.然而由于扫描设备和外界复杂环境因素的影响,通过传感器采集到的目标物体的3D点云形状往往是有缺陷的.目前,大多数基于点云表示的形状补全网络通常都是经过一个简单的编码器-解码器(encoder-decoder)结构通过提取全局特征来预测完整点云形状.这不仅忽略了局部几何信息的重要性,同时会破坏原始输入点云的几何结构,造成位移损失.为了解决上述问题,提出了一个多级精细化反卷积点云补全网络.网络模型主要包含两部分:粗糙完整点云的生成和完整点云的平滑.通过一个包含反卷积操作的编码器-解码器网络只预测部分点云的缺失区域,将其与输入拼接得到粗糙的完整点云.通过将粗糙完整点云经过第二个基于注意力机制的编码器-解码器网络生成一个分布均匀的完整点云模型.在ShapeNet-Part数据集上进行的大量实验表明:不论是在量化还是可视化实验结果中,提出的网络模型都能取得更加理想的结果.

关键词：点云、形状补全、3D点云补全、注意力机制、反卷积

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广东省自然科学基金项目;广州市科技计划项目

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：242-249