[发明专利]一种点云去噪方法、装置、设备及存储介质

权利要求书

1.一种点云去噪方法，其特征在于，包括：

获取待去噪点云数据；

构造所述待去噪点云数据中每个点的邻域内不同分辨率的多个面片，获得每个点的邻域面片；

将所有邻域面片输入训练获得的去噪神经网络模型，获得所述去噪神经网络模型输出的每个邻域面片的总偏移量；其中，所述去噪神经网络模型中包括多重监督多重偏移模块，所述多重监督多重偏移模块用于根据每个邻域面片的拼接特征融合不同分辨率的多个面片的偏移量，以获得每个邻域面片的总偏移量，所述拼接特征由邻域面片中不同分辨率的多个面片的特征拼接获得；

根据每个邻域面片的总偏移量，对所述待去噪点云数据中的每个点进行偏移处理，获得去噪后的点云数据。

2.如权利要求1所述的方法，其特征在于，所述构造所述点云数据中每个点的邻域内不同分辨率的多个面片，获得每个点的邻域面片的步骤，包括：

对所述点云数据中的每个点，在点云模型的外接球内构造各点的面片邻域；其中，所述点云模型为所述点云数据构成的模型；

在每个点的面片邻域内随机选取多个选取点，并基于多个所述选取点在所述点云模型的内接球内构造多个不同分辨率的面片，以获得每个点的邻域面片。

3.如权利要求1所述的方法，其特征在于，所述去噪神经网络模型，还包括：

与每个点的邻域内不同分辨率的面片数量对应的多个训练获得的编码器，多个所述编码器用于分别提取不同分辨率的多个面片的特征；其中，所述编码器为多层感知机。

4.如权利要求1所述的方法，其特征在于，所述获取待去噪点云数据的步骤之前，所述方法还包括：

获取训练集，所述训练集包括含噪点云数据；

对所述含噪点云数据进行预处理，获得处理后的点云数据，其中，所述处理后的点云数据中的每个样本点的邻域内包括不同分辨率的多个样本面片；

利用所述处理后的点云数据，对初始去噪神经网络模型进行训练，以获得去噪神经网络模型。

5.如权利要求4所述的方法，其特征在于，所述对所述含噪点云数据进行预处理，获得处理后的点云数据的步骤，包括：

对所述含噪点云数据中的每个点，在样本点云模型的外接球内构造各点的样本面片邻域；其中，所述样本点云模型为所述点云数据构成的模型；

在每个点的样本面片邻域内随机选取多个样本选取点，并基于多个所述样本选取点在所述样本点云模型的内接球内构造多个不同分辨率的样本面片，以获得处理后的点云数据。

6.如权利要求4所述的方法，其特征在于，所述初始去噪神经网络模型，包括：

与每个点的邻域内不同分辨率的样本面片数量对应的多个初始编码器，多个所述初始编码器用于分别提取不同分辨率的多个样本面片的特征；其中，所述初始编码器为多层感知机；

多重监督多重偏移模块，用于根据多个所述样本面片的拼接特征融合不同分辨率的多个样本面片的样本偏移量，以获得每个点的样本总偏移量。

7.一种模型训练方法，其特征在于，包括：

获取训练集，所述训练集包括含噪点云数据；

对所述含噪点云数据进行预处理，获得处理后的点云数据，其中，所述处理后的点云数据中的每个样本点的邻域内包括不同分辨率的多个样本面片；

利用所述处理后的点云数据，对初始去噪神经网络模型进行训练，以获得去噪神经网络模型。

8.如权利要求7所述的方法，其特征在于，所述对所述含噪点云数据进行预处理，获得处理后的点云数据的步骤，包括：

对所述含噪点云数据中的每个点，在样本点云模型的外接球内构造各点的样本面片邻域；其中，所述样本点云模型为所述点云数据构成的模型；

在每个点的样本面片邻域内随机选取多个样本选取点，并基于多个所述样本选取点在所述样本点云模型的内接球内构造多个不同分辨率的样本面片，以获得处理后的点云数据。