[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

说明书

本申请提供了一种点云数据处理方法、装置、电子设备及存储介质，方法包括：S1、获取目标种类的n个对象的点云数据；S2、对于每一点云数据，将该点云数据输入到编码器中进行编码，得到该点云数据对应的第一隐码向量；S3、对于每一点云数据，将该点云数据和该点云数据对应的第一隐码向量输入到可逆解码器中，进行目标流程的正向过程，得到目标矩阵；S4、基于高斯分布矩阵和目标矩阵计算损失值；S5、若损失值大于预设损失值，则对编码器和可逆解码器进行优化，并重复S1～S4，直至损失值小于预设损失值，以将当前的可逆解码器作为训练完成后的可逆解码器。本申请能够使得训练完成后的可逆点云解码器重建的点云具有更丰富的细节。

技术领域

本申请涉及点云数据处理领域，具体而言，涉及一种点云数据处理方法、装置、电子设备及存储介质。

背景技术

点云重建旨在使重建后的点云与原始点云差别尽可能小。点云重建网络是点云处理中的主干网路，尤其是特征提取部分为后续分类、分割等下游任务奠定了基础。由于点云的无序性和排列不变性，这是一项具有挑战性的任务。

常见的点云重建方法大都基于自动编码器的框架，由点云编码器和点云解码器两大部分组成。但是这些方法普遍存在的问题是：在点云编码器的特征提取过程中对局部信息的捕捉不够，这会造成隐码缺失高频表示，从而使得最终重建出的点云与原始点云相比存在一定的细节缺失。因此，研究能够提取更多高频细节的网络设计在点云重建研究中很有价值。

发明内容

有鉴于此，本申请的目的在于提供一种点云数据处理方法、装置、电子设备及存储介质，能够使得训练完成后的可逆点云解码器重建的点云具有更丰富的细节。

第一方面，本申请实施例提供了一种点云数据处理方法，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。

在一种可能的实施方式中，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；