[发明专利]点云补全方法、网络训练方法、装置、设备及存储介质

权利要求书

1.一种点云补全方法，包括：

确定获取的第一点云的概率分布；

基于所述概率分布，对所述第一点云进行补全，得到初级补全点云；

将所述初级补全点云和所述第一点云进行级联，得到级联点云；

确定所述级联点云与所述级联点云的多组临近点之间的关联关系；

基于所述关联关系，对所述级联点云进行补全，得到对所述第一点云补全后的第二点云。

2.根据权利要求1所述的方法，其中，所述确定获取的第一点云的概率分布，包括：

对所述第一点云进行变分编码，得到编码点云；

对所述编码点云进行残差处理，得到残差点云；

基于所述残差点云，确定所述概率分布。

3.根据权利要求1所述的方法，其中，所述基于所述概率分布，对所述第一点云进行补全，得到初级补全点云，包括：

基于所述概率分布，预测所述第一点云所属对象的第一外观形状；

确定所述第一点云表征的所述对象的第二外观形状；其中，所述第一外观形状的完整度大于所述第二外观形状的完整度；

基于所述第一外观形状，对所述第二外观形状进行补全，得到所述初级补全点云。

4.根据权利要求1所述的方法，其中，所述基于所述关联关系，对所述级联点云进行补全，得到对所述第一点云补全后的第二点云，包括：

基于所述级联点云中的每一数据点与对应的多组临近点之间的关联关系，确定所述每一数据点的关联特征；

基于所述每一数据点的关联特征，确定所述每一数据点的目标特征；

基于所述级联点云中每一数据点的目标特征，得到对所述第一点云补全后的第二点云。

5.根据权利要求4所述的方法，其中，所述基于所述每一数据点的关联特征，确定所述每一数据点的目标特征，包括：

对所述多组临近点对应的每一数据点的关联特征进行平均池化处理，得到池化特征；

基于所述池化特征，确定所述每一数据点与对应的每一组临近点的组关联度；

基于所述组关联度和所述关联特征，确定所述每一数据点的目标特征。

6.根据权利要求5所述的方法，其中，所述基于所述池化特征，确定所述每一数据点与对应的每一组临近点的组关联度，包括：

基于所述池化特征，确定所述每一数据点与对应的所述每一组临近点中每一临近点之间的关联度，得到点关联度集合；

基于所述点关联度集合，确定所述每一组的组关联度。

7.根据权利要求5所述的方法，其中，所述基于所述组关联度和所述关联特征，确定所述每一数据点的目标特征，包括：

基于所述每一组的组关联度，对所述每一数据点的关联特征进行调整，得到每组临近点对应的已调整关联特征；

将所述每一数据点的多组临近点对应的所述已调整关联特征进行融合，得到所述每一数据点的目标特征。

8.根据权利要求1所述的方法，其中，所述确定所述级联点云与所述级联点云的多组临近点之间的关联关系，包括：

分别确定所述每一组临近点的第一初始特征和所述级联点云中每一数据点的第二初始特征；

基于第一预设数值，对所述第一初始特征进行线性变换，得到第一变换特征；

基于所述第一预设数值，对所述第二初始特征进行线性变换，得到第二变换特征；

确定所述每一组临近点的第一变换特征与所述第二变换特征之间的关系参数，为所述每一组临近点与所对应的数据点之间的关联关系。

9.根据权利要求4至7任一项所述的方法，其中，所述基于所述级联点云中的每一数据点与对应的多组临近点之间的关联关系，确定所述每一数据点的关联特征，包括：

基于第二预设数值，对所述每一组临近点的第一初始特征进行线性变换，得到第三变换特征；其中，所述第二预设数值与第一预设数值之间具有倍数关系；

基于所述关联关系和所述每一组临近点的第三变换特征，确定所述每一数据点的关联特征。