科研之友
微信
新浪微博
Facebook
分享链接
摘要
在现实世界中，点云数据的采集方式有激光雷达、双目相机和深度相机，但是在机器人采集过程中由于设备分辨率、周围环境等因素的影响，收集到的点云数据通常是非完整的。为了解决物体形状缺失的问题，提出了一种使用局部邻域信息的三维物体形状自动补全的网络架构。该架构包括点云特征提取网络模块和点云生成网络模块，输入为缺失的点云形状，输出为缺失部分的点云形状，将输入与输出点云形状进行合并完成物体的形状补全。采用倒角距离和测地距离进行评估，实验结果表明，在ShapeNet数据集上，平均倒角距离和平均测地距离均小于多层感知机特征提取网络与PCN网络的值，两值分别为0.000 84和0.028。对于现实中扫描的点云数据进行补全处理也达到了预期效果，说明该网络有较强的泛化性，可以修复不同类别的物体。
- 单位
