[发明专利]点云数据处理方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种点云数据处理方法、装置、电子设备及存储介质，涉及人工智能、三维建模以及云技术等领域。该方法包括：对原始点云数据进行特征提取，得到多个第一点的特征表示，该特征表示包括三维坐标和点特征；对于每个第一点，根据各第一点的坐标从多个第一点中确定出该点的第一数量的邻域点，根据该点的特征表示和该点的每个邻域点的特征表示，确定该点与其每个邻域点之间的关联性，根据关联性，将该点的各个邻域点的特征表示进行融合，得到对应的融合特征，基于各个第一点对应的融合特征，得到多个第二点的第二特征表示；基于各个第二点的特征表示，生成目标点云数据。基于本申请实施例的该方法，能够有效提高点云数据的补全效果。

技术领域

本申请涉及人工智能、云技术、大数据以及计算机技术领域，具体而言，本申请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(point cloud)是一个点的数据集，数据集中的每个点包含有三维坐标，有的可能含有颜色信息或反射强度信息。点云是最常用的三维物体表示模型之一。点云补全(point cloud completion)(类似于二维图像的补全/修复)任务旨在将残缺且稀疏的扫描数据，恢复成完整并且稠密的点云。如图1所示，图1中的图(a)是残缺的点云数据对应的三维图像，点云补全的目的是得到图1中图(b)所示的为补全后的点云数据。点云补全可以应用在三维扫描数据的修复和补全等多种应用场景中。

随着人工智能技术的发展，近年来深度学习技术也已经开始应用于点云数据，可以通过训练神经网络来实现点云补全。目前，虽然有些神经网络可以一定程度上实现点云补全，但是目前大多网络模型对点云补全的效果并不佳，仍需要改善，如何进一步提升点云补全的效果一直是点云补全任务中在研究的重要问题。

发明内容

本申请实施例的目的旨在提供一种能够有效提升点云补全的点云数据处理方法、装置、电子设备及存储介质。为了实现上述目的，本申请实施例提供的技术方案如下：

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：

获取待补全的原始点云数据，所述原始点云数据包括多个初始点的三维坐标；

对所述原始点云数据进行特征提取，得到多个第一点的特征表示，每个所述第一点的特征表示包括该第一点的三维坐标和点特征；

根据各个第一点的三维坐标，从所述多个第一点中确定出每个第一点的第一数量的邻域点；

对于每个所述第一点，根据该第一点的特征表示和该第一点的每个邻域点的特征表示，确定该第一点与该第一点的每个邻域点之间的关联性，并根据该第一点的各个邻域点对应的关联性，将该第一点的各个邻域点的特征表示进行融合，得到该第一点对应的融合特征；

基于各个第一点的融合特征，得到多个第二点的第二特征表示；

基于所述多个第二点的特征表示，生成补全后的目标点云数据。

另一方面，本申请实施例提供了一种点云数据处理装置，所述装置包括：

待补全数据获取模块，用于获取待补全的原始点云数据，所述原始点云数据包括多个初始点的三维坐标；

数据补全模块，用于通过执行数据补全操作，得到补全后的目标点云数据，所述数据补全操作包括以下步骤：

对所述原始点云数据进行特征提取，得到多个第一点的特征表示，每个所述第一点的特征表示包括该第一点的三维坐标和点特征；

根据各个第一点的三维坐标，从所述多个第一点中确定出每个第一点的第一数量的邻域点；