科研之友
微信
新浪微博
Facebook
分享链接
摘要
在三维点云重建过程中,由于点云固有的稀疏性和不规则性,使得重建结果不佳,因此在重建之前需要对点云进行整合处理。提出了一种基于深度学习的三维点云整合方法,将输入点云分为局部小块,使用PointNet++特征嵌入模块学习每个点的多级特征,运用PU-Net数据驱动的方法,将多级特征上采样扩展为点集,并给出三维点坐标和点到边的距离。在最小化点到边缘距离的基础上,构建了一种排斥损失函数,促使点云分布更加均匀。以均方误差、均方根值以及可视化效果作为评价指标,在点云数据集ShapeNet进行训练和测试,实验结果证明了所提出方法的有效性和鲁棒性。
- 单位
