多尺度点云补全网络

作者：李海鹏; 张浩; 张婷婷; 熊曌宇; 徐丹^*

来源：中国科技论文, 2023, 18(03): 292-303.

• 点云精简
• 多尺度补全
• 编解码器
• gMLP

针对最远点采样(farthest point sampling, FPS)算法时间复杂度高、无法保留原始模型较多特征信息等问题，提出了一种自适应点云采样(adaptive point cloud sampling, APS)算法。此外，目前三维点云补全算法大多难以保持物体的个体特征。为此，借助于编解码器结构，以多尺度缺损点云为输入，提出了一种新的多尺度点云补全网络(multi-scale point cloud completion network, MPN)。APS首先基于快速点特征直方图(fast point feature histogram, FPFH)计算得到每个点的特征值，再利用幂律函数计算每个点的概率值及累计概率值，最后在累计概率值上进行均匀采样。MPN采用APS对输入的缺损点云进行2次采样，再对3个不同尺度的缺损点云提取特征，最后以金字塔点云生成器(pyramid point cloud generator, PPG)生成缺失部位的点云数据，并在生成器后添加鉴别器以优化网络。实验结果表明，APS较FPS算法能保留更多的特征信息，MPN相比于PF-Net在平均倒角距离指标上提升了12.47%。

• 单位
  云南大学