公开(公告)号：CN112927359B

公开(公告)日：2024-01-30

申请号：CN202110303157.1

申请日：2021-03-22

Applicant: 南京大学

Inventor： 周诚 ,  马常风 ,  郭延文 ,  过洁

IPC: G06T17/00 ,  G06T3/4038 ,  G06N3/0464 ,  G06V10/44

Abstract: 本发明公开了一种基于深度学习和体素的三维点云补全方法，包括以下步骤：步骤1：采集不同类别的原始物体模型；步骤2：对原始物体模型进行预处理，得到残缺点云和完整点云；步骤3：用经过预处理后的残缺点云和完整点云训练体素深度神经网络模型；步骤4：采集待补全的残缺点云并进行预处理；步骤5：根据步骤3得到的训练好的模型用步骤4得到的预处理后的点云作为输入进行点云补全。本方法融合了体素和点云结构的优点，通过使用不同类别的物体点云训练深度学习网络模型，再利用训练好的模型对残缺点云进行补全，得到具有细节的、均匀的、多分辨率的补全结果，解决了传统算法难以解决的问题。

公开(公告)号：CN112927359A

公开(公告)日：2021-06-08

申请号：CN202110303157.1

申请日：2021-03-22

Applicant: 南京大学

Inventor： 周诚 ,  马常风 ,  郭延文 ,  过洁

IPC: G06T17/00 ,  G06T3/40 ,  G06N3/08 ,  G06N3/04 ,  G06K9/46

Abstract: 本发明公开了一种基于深度学习和体素的三维点云补全方法，包括以下步骤：步骤1：采集不同类别的原始物体模型；步骤2：对原始物体模型进行预处理，得到残缺点云和完整点云；步骤3：用经过预处理后的残缺点云和完整点云训练体素深度神经网络模型；步骤4：采集待补全的残缺点云并进行预处理；步骤5：根据步骤3得到的训练好的模型用步骤4得到的预处理后的点云作为输入进行点云补全。本方法融合了体素和点云结构的优点，通过使用不同类别的物体点云训练深度学习网络模型，再利用训练好的模型对残缺点云进行补全，得到具有细节的、均匀的、多分辨率的补全结果，解决了传统算法难以解决的问题。