[发明专利]模型生成方法、点云数据处理方法、装置、设备及介质

权利要求书

1.一种模型生成方法，其特征在于，包括：

获取第一点云数据和第二点云数据，并将所述第一点云数据和所述第二点云数据作为一组第一训练样本，其中，所述第一点云数据的质量高于所述第二点云数据的质量；

基于多组所述第一训练样本对原始孪生网络模型进行训练，生成初始评测模型，其中，所述原始孪生网络模型包括两个用于评测出所述第一训练样本的质量评测结果的预设卷积神经网络；

基于所述初始评测模型，生成质量评测模型；

其中，所述基于所述初始评测模型，生成质量评测模型，包括：

获取已标注点云数据和所述已标注点云数据的质量标注结果，将所述已标注点云数据和所述质量标注结果作为一组第二训练样本；

基于多组所述第二训练样本对所述初始评测模型中初始训练完成的任一所述预设卷积神经网络进行训练，生成质量评测模型。

2.根据权利要求1所述的方法，其特征在于，所述预设卷积神经网络包括数据划分模块、低层特征提取模块、数据级联模块和高层特征提取模块；所述预设卷积神经网络通过如下步骤评测所述第一点云数据的所述质量评测结果：

经由所述数据划分模块将所述第一点云数据划分为位置通道子数据和色彩通道子数据，再经由所述低层特征提取模块对所述位置通道子数据和所述色彩通道子数据分别进行低层特征提取；

经由所述数据级联模块对两个低层特征提取结果进行级联，再经由所述高层特征提取模块对级联结果进行高层特征提取，并根据高层特征提取结果得到所述质量评测结果。

3.根据权利要求1所述的方法，其特征在于，所述原始孪生网络模型还包括损失计算模块，若所述第一点云数据的所述质量评测结果高于所述第二点云数据的所述质量评测结果，则所述损失计算模块的输出结果为0，否则，所述损失计算模块的输出结果为正数。

4.根据权利要求1所述的方法，其特征在于，所述质量标注结果是根据预设评测因素预先标注的，所述预设评测因素包括数据完整度、目标拖尾度、色彩自然丰富度、数据分布稠密度和投影栅格度中的至少一个。

5.根据权利要求4所述的方法，其特征在于，所述第二点云数据通过如下步骤预先生成：

获取所述第一点云数据和预设点云修调策略，其中，所述预设点云修调策略根据所述预设评测因素预先生成；

基于所述预设点云修调策略修调所述第一点云数据，根据修调结果生成所述第二点云数据。

6.根据权利要求5所述的方法，其特征在于，所述基于所述预设点云修调策略修调所述第一点云数据，包括：

对所述第一点云数据中的待删切区域进行数据删切处理；和/或，

对所述第一点云数据中的待抽稀区域进行数据抽稀处理；和/或，

对所述第一点云数据中的待调整区域进行颜色调整处理；和/或，

对所述第一点云数据中的待添加区域进行噪声添加处理。

7.根据权利要求1所述的方法，其特征在于，所述预设卷积神经网络包括PointNet、PointNet++、PointCNN、3DmFV或是GeoNet。

8.一种点云数据处理方法，其特征在于，包括：

基于预设获取策略获取待处理点云数据，以及按照权利要求1-7中任一项的模型生成方法生成的质量评测模型；

将所述待处理点云数据输入至所述质量评测模型中，根据所述质量评测模型的输出结果，确定出所述待处理点云数据的质量评测结果；

根据所述质量评测结果从各所述预设获取策略中筛选出目标获取策略，从各所述待处理点云数据中筛选出基于所述目标获取策略获取到的目标点云数据，并对所述目标点云数据进行处理。