[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

说明书

本发明实施例公开了一种模型生成方法、点云数据处理方法、装置、设备及介质。该模型生成方法包括：获取第一点云数据和第二点云数据，将第一点云数据和第二点云数据作为一组第一训练样本，其中，第一点云数据的质量高于第二点云数据的质量；基于多组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，原始孪生网络模型包括两个用于评测出第一训练样本的质量评测结果的预设卷积神经网络；基于初始评测模型，生成质量评测模型。本发明实施例的技术方案，基于原始孪生网络模型生成的质量评测模型，解决了点云数据的质量难以精准确定的问题，达到了客观评测出点云数据的质量评测结果的效果。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种模型生成方法、点云数据处理方法、装置、设备及介质。

背景技术

随着虚拟仿真、增强现实、机器人、自动驾驶等行业的推进和发展，针对点云数据的计算和应用越来越重要。一般而言，点云数据由一系列三维场景点组成，其可通过激光雷达扫描、虚构场景抽稀、多视图重建等手段获取。激光雷达扫描手段经由激光雷达设备向场景中投影激光束，通过反向计算激光束的角度和距离推算点云坐标；虚构场景抽稀手段通过虚拟仿真软件构建虚拟环境，然后对虚拟环境进行采样点抽稀以获取点云集合；多视图重建手段经由相机拍摄多幅场景图像，根据多视图摄影几何理论获取三维场景点的三维坐标。

点云数据的获取手段复杂多样，受到操作者和技术的局限性，在各种手段下获取的点云数据的质量往往参差不齐。质量不佳的点云数据会对某些应用的后续开发造成较大影响，例如，虚拟仿真中的街景点云分布不均导致仿真效果不逼真、三维打印出的舞者点云位姿不够优美导致多次采集等等。

在实现本发明的过程中，发明人发现现有技术中存在以下技术问题：现有技术主要是通过肉眼对采集到的点云数据的质量进行评测，这一评测方式的主观性较强，点云质量的确定精度不佳，其难以引导点云数据的生产过程。

发明内容

本发明实施例提供了一种模型生成方法、点云数据处理方法、装置、设备及介质，解决了点云数据的质量难以精准确定的问题。

第一方面，本发明实施例提供了一种模型生成方法，可以包括：

获取第一点云数据和第二点云数据，将第一点云数据和第二点云数据作为一组第一训练样本，其中，第一点云数据的质量高于第二点云数据的质量；

基于多组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，原始孪生网络模型包括两个用于评测出第一训练样本的质量评测结果的预设卷积神经网络；

基于初始评测模型，生成质量评测模型。

可选的，基于初始评测模型，生成质量评测模型，可以包括：

获取已标注点云数据和已标注点云数据的质量标注结果，将已标注点云数据和质量标注结果作为一组第二训练样本；

基于多组第二训练样本对初始评测模型中初始训练完成的任一预设卷积神经网络进行训练，生成质量评测模型。

可选的，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；预设卷积神经网络通过如下步骤评测出第一点云数据的质量评测结果：

经由数据划分模块将第一点云数据划分为位置通道子数据和色彩通道子数据，再经由低层特征提取模块对位置通道子数据和色彩通道子数据分别进行低层特征提取；经由数据级联模块对两个低层特征提取结果进行级联，再经由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质量评测结果。

可选的，原始孪生网络模型还包括损失计算模块，若第一点云数据的质量评测结果高于第二点云数据的质量评测结果，则损失计算模块的输出结果为0，否则，损失计算模块的输出结果为正数。