[发明专利]一种点云数据处理方法、装置、电子设备及存储介质

权利要求书

1.一种点云数据处理方法，其特征在于，所述方法包括：

S101、获取目标种类的n个第一对象各自的第一点云数据，其中，n为大于1的整数；

S102、对于最新获取的每一第一点云数据，将该第一点云数据输入到点云编码器中进行目标编码过程，得到该第一点云数据对应的第一隐码向量，其中，所述目标编码过程包括：对该第一点云数据进行第一卷积处理，得到该第一点云数据的初始特征矩阵；基于所述初始特征矩阵，得到用于表征该第一点云数据中每一点与其每一第一邻居点在第一目标空间中互相之间的位置信息的第一空间特征矩阵，其中，对于该第一点云数据中的每一点，该点的第一邻居点包括该点云数据中与该点在所述第一目标空间中的距离较近的k个点，所述第一目标空间为特征空间或笛卡尔空间，k为大于1的整数；对所述第一空间特征矩阵进行池化处理，得到池化特征矩阵；通过全连接层将所述池化特征矩阵转换为所述第一隐码向量；

S103、将最新获取的每一第一点云数据和每一所述第一隐码向量输入到可逆点云解码器中，进行目标流程的正向过程，得到目标矩阵，其中，所述目标流程为点云归一化流或马尔可夫链的扩散；

S104、基于与所述目标矩阵维数相同的由第一目标三维采样点构成的高斯分布矩阵和所述目标矩阵计算损失值，其中，所述第一目标三维采样点是对概率密度函数符合标准高斯分布的三维噪声进行随机采样后得到的；

S105、若最新的损失值大于预设损失值，则基于梯度下降法对所述点云编码器和所述可逆点云解码器中的至少一者进行优化，并重复步骤S101～步骤S104，直至最新的损失值小于或等于所述预设损失值，以将当前的可逆点云解码器作为训练完成后的可逆点云解码器，以及，将当前的点云编码器作为训练完成后的点云编码器。

2.根据权利要求1所述的点云数据处理方法，其特征在于，在若最新的损失值大于预设损失值，则基于梯度下降法对所述点云编码器和所述可逆点云解码器中的至少一者进行优化，并重复步骤S101～步骤S104，直至最新的损失值小于或等于所述预设损失值，以将当前的可逆点云解码器作为训练完成后的可逆点云解码器，以及，将当前的点云编码器作为训练完成后的点云编码器之后，所述方法还包括：

获取所述目标种类的第二对象的第二点云数据；

将所述第二点云数据输入到所述训练完成后的点云编码器中，得到所述第二点云数据对应的第二隐码向量；

将与所述第二点云数据维数相同的由第二目标三维采样点构成的第二高斯分布矩阵以及所述第二隐码向量输入到所述训练完成后的可逆点云解码器中，进行所述目标流程的逆向过程，得到所述第二对象的重建点云，其中，所述第二目标三维采样点是对概率密度函数符合标准高斯分布的三维噪声进行随机采样后得到的。

3.根据权利要求1所述的点云数据处理方法，其特征在于，对所述第一空间特征矩阵进行池化处理，得到池化特征矩阵，包括：

将所述第一空间特征矩阵中每一行中的数值均按照从小到大的顺序重新进行排列，或，将所述第一空间特征矩阵中每一行的数值均按照从大到小的顺序重新进行排列，得到第一参考特征矩阵；

对所述第一参考特征矩阵进行第二卷积处理，得到第二参考特征矩阵；

对于所述第二参考特征矩阵中每个位置的数值，基于softmax函数，计算得到所述第二参考特征矩阵中该位置的数值的选取概率，并将所述第二参考特征矩阵中该位置的数值替换为所述选取概率，得到权重矩阵；

将所述权重矩阵的转置矩阵与所述第一参考特征矩阵相乘，得到所述池化特征矩阵。

4.根据权利要求1所述的点云数据处理方法，其特征在于，在对所述第一空间特征矩阵进行池化处理，得到池化特征矩阵之前，所述目标编码过程还包括：

基于所述第一空间特征矩阵，得到用于表征该第一点云数据中每一点与其每一第二邻居点在第二目标空间中互相之间的位置信息的第二空间特征矩阵，并将所述第二空间特征矩阵作为进行所述池化处理的所述第一空间特征矩阵，其中，对于该第一点云数据中的每一点，该点的第二邻居点包括该第一点云数据中与该点在所述第二目标空间中的距离较近的k个点，所述第二目标空间为所述笛卡尔空间或所述特征空间，所述第二目标空间与所述第一目标空间不同。