[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

说明书

本申请实施例提供一种点云补全方法、网络训练方法、装置、设备及存储介质，其中，所述方法包括：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。

交叉引用

本申请基于申请号为10202103895P、申请日为2021年4月15日的新加坡专利申请提出，并要求该新加坡专利申请的优先权，该新加坡专利申请的全部内容在此引入本申请作为参考。

技术领域

本申请实施例涉及云数据处理技术领域，涉及但不限于点云补全方法、网络训练方法、装置、设备及存储介质。

背景技术

在相关技术中，相比于图片或者视频，点云的数据格式不会损失物体距离传感器的距离信息，即可以获得物体在空间中的3D位置信息；而且图片或者视频所带来的歧义(比如，人体在3D空间中的位置不明)可以使用点云来规避。但是点云生成任务中输出的点云无法保留输入残缺点云中细节，从而无法基于残缺细节补全全局形状，使得生成的点云形状不完整。

发明内容

本申请实施例提供一种点云补全技术方案。

本申请实施例提供一种点云补全方法，所述方法包括：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。

本申请实施例提供一种点云补全网络的训练方法，其中，所述方法包括：获取第一样本点云；采用预设的概率生成网络，确定所述第一样本点云的样本概率分布；基于所述样本概率分布，对所述第一样本点云的完整形状进行预测，得到第一预测点云；采用预设的关系增强网络，基于所述第一样本点云，对所述第一预测点云进行调整，得到第二预测点云；基于所述第一预测点云的损失，对所述概率生成网络的网络参数进行调整，并基于所述第二预测点云的损失，对所述关系增强网络的网络参数进行调整；基于已调整参数的所述概率生成网络和已调整参数的所述关系增强网络，生成点云补全网络。如此，通过这两个网络实现对点云补全网络的训练过程，能够以输入的残缺点云作为依据，保留输入的残缺点云细节的同时生成合理的高精度点云。

本申请实施例提供一种点云补全装置，所述装置包括：第一确定模块，用于确定获取的第一点云的概率分布；第一补全模块，用于基于所述概率分布，对所述第一点云进行补全，得到初级补全点云；第一级联模块，用于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；第二确定模块，用于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；第一调整模块，用于基于所述关联关系，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。

本申请实施例提供一种点云补全网络的训练装置，所述装置包括：第一获取模块，用于获取第一样本点云；第三确定模块，用于采用预设的概率生成网络，确定所述第一样本点云的样本概率分布；第一预测模块，用于基于所述样本概率分布，对所述第一样本点云的完整形状进行预测，得到第一预测点云；第一调整模块，用于采用预设的关系增强网络，基于所述第一样本点云，对所述第一预测点云进行调整，得到第二预测点云；第一训练模块，用于基于所述第一预测点云的损失，对所述概率生成网络的网络参数进行调整，并基于所述第二预测点云的损失，对所述关系增强网络的网络参数进行调整；第四确定模块，用于基于已调整参数的所述概率生成网络和已调整参数的所述关系增强网络，生成点云补全网络。

附图说明

图1为本申请实施例提供的点云补全方法的实现流程示意图；

图2A为本申请实施例提供的点云补全方法的另一实现流程示意；