一种点云生成方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114972695A(43)申请公布日2022.08.30(21)申请号202210555391.8(22)申请日2022.05.20(71)申请人北京大学深圳研究生院地址518000广东省深圳市南山区西丽深圳大学城北大园区H栋208室(72)发明人李革陈婧怡李宏高伟(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463专利代理师于彬(51)Int.Cl.G06T19/00(2011.01)权利要求书7页说明书16页附图4页(54)发明名称一种点云生成方法、装置、电子设备及存储介质(57)摘要本申请提供了一种点云生成方法、装置、电子设备及存储介质，方法包括：S1、获取目标种类的点云数据；S2、对于每一点云数据，使用编码器对该点云数据进行处理，得到该点云数据对应的均值向量和方差向量；S3、基于均值向量、方差向量和高斯分布向量，得到该点云数据对应的隐码向量；S4、将第一隐码矩阵输入到点云归一化流的正向过程中，得到第一矩阵；S5、将每一点云数据和第一隐码矩阵输入到可逆解码器中，进行目标流程的正向过程，得到第二矩阵；S6、基于第一隐码矩阵和第一矩阵，计算第一损失值，并基于第一高斯分布矩阵和第二矩阵，计算第二损失值。本申请能够使得训练完成后的可逆点云解码器生成的点云具有更丰富的细节。CN114972695ACN114972695A权利要求书1/7页1.一种点云生成方法，其特征在于，所述方法包括：S101、获取目标种类的m个对象各自的点云数据，其中，m为大于1的整数；S102、对于最新获取的每一点云数据，使用点云编码器对该点云数据进行目标处理过程，得到该点云数据对应的均值向量和该点云数据对应的方差向量，其中，所述目标处理过程包括：对该点云数据进行第一卷积处理，得到该点云数据的初始特征矩阵；基于所述初始特征矩阵，得到用于表征该点云数据中每一点与其每一第一邻居点在特征空间中互相之间的位置信息的第一空间特征矩阵，以及，得到用于表征该点云数据中每一点与其每一第二邻居点在笛卡尔空间中互相之间的位置信息的第二空间特征矩阵，其中，对于该点云数据中的每一点，该点的第一邻居点为该点云数据中与该点在所述特征空间中的距离较近的k个点，该点的第二邻居节点为该点云数据中与该点在所述笛卡尔空间中的距离较近的k个点，k为大于1的整数；对综合空间特征矩阵进行第一池化处理，得到第一池化特征矩阵，以及，对所述综合空间特征矩阵进行第二池化处理，得到第二池化特征矩阵，其中，所述综合空间特征矩阵是由所述第一空间特征矩阵和所述第二空间特征矩阵进行相加后得到的，或，所述综合空间特征矩阵是由所述第一空间特征矩阵和所述第二空间特征矩阵进行合并后得到的；通过第一全连接层将所述第一池化特征矩阵转换为所述均值向量，以及，通过第二全连接层将所述第二池化特征矩阵转换为所述方差向量；S103、基于所述均值向量、所述方差向量和由第一目标采样点构成的高斯分布向量，得到该点云数据对应的隐码向量，其中，所述第一目标采样点是对概率密度函数符合标准高斯分布的噪声进行随机采样后得到的；S104、将由最新获取的每一点云数据各自对应的隐码向量进行合并后得到的第一隐码矩阵输入到第一点云归一化流的正向过程中，得到与所述第一隐码矩阵维数相同的第一目标矩阵；S105、将最新获取的每一点云数据和所述第一隐码矩阵输入到可逆点云解码器中，进行目标流程的正向过程，得到第二目标矩阵，其中，所述目标流程为第二点云归一化流或马尔可夫链的扩散；S106、基于所述第一隐码矩阵和所述第一目标矩阵，计算得到第一损失值，以及，基于与所述第二目标矩阵维数相同的由第一目标三维采样点构成的第一高斯分布矩阵和所述第二目标矩阵，计算得到第二损失值，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；S107、若最新的第一损失值大于第一预设损失值和/或最新的第二损失值大于第二预设损失值，则基于梯度下降法对所述第一点云归一化流、所述可逆点云解码器和所述点云编码器中的至少一者进行优化，并重复步骤S101～步骤S106，直至最新的第一损失值小于或等于所述第一预设损失值且最新的第二损失值小于或等于第二预设损失值，以将当前的第一点云归一化流作为训练完成后的第一点云归一化流，以及，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；S108、将与所述第一目标矩阵维数相同的由第二目标采样点构成的第二高斯分布矩阵输入到所述训练完成后的第一点云归一化流的逆向过程中，得到与所述第一目标矩阵维数相同的第二隐码矩阵，其中，所述第二目标采样点是对概率密度函数符合标准高斯分布的噪声进行随机采样后得到的；2CN114972695A权利要求书2/7页S109、将与所述第