科研之友
微信
新浪微博
Facebook
分享链接
摘要
点云是一种常见的三维物体表示形式，然而由于传感器设计和精度等原因，得到的点云通常存在几何形状缺失和稀疏性缺失。为了解决该问题，本文提出一种基于多阶段分形组合的点云补全算法。第一阶段先对输入点云进行多次采样并且分别提取特征，再利用金字塔模型生成多尺度几何形状丢失的点云，最后将生成点云与输入点云进行拼接。第二阶段利用KNN聚类和PointNet堆叠网络提取局部特征，并且将拼接的点云下采样作为粗略预测，最后将粗略预测与局部输入折叠网络生成精细化的高质量点云。本文算法基于局部到整体多阶段进行补全，损失函数可针对不同阶段进行权重调整，有效地优化了补全过程，并且在ShapeNet数据集上获得不错的补全效果。
- 单位
