一种基于点云补全的陶瓷文物智能复原网络及复原方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115546050A(43)申请公布日2022.12.30(21)申请号202211136634.0G06N3/08(2006.01)(22)申请日2022.09.19(71)申请人河北师范大学地址050024河北省石家庄市南二环东路20号(72)发明人赵书良杨依涵穆翔宇孙婧涵丁雪怡(74)专利代理机构石家庄新世纪专利商标事务所有限公司13100专利代理师董金国(51)Int.Cl.G06T5/00(2006.01)G06T3/40(2006.01)G06V10/75(2022.01)G06N3/04(2006.01)权利要求书6页说明书16页附图2页(54)发明名称一种基于点云补全的陶瓷文物智能复原网络及复原方法(57)摘要本发明公开了一种基于点云补全的陶瓷文物智能复原网络及复原方法，智能复原网络生成式对抗网络，包括生成器、鉴别器、设置参数模块、优化参数模块、参数倒角距离损失模块和鉴别器损失模块。复原方法包括对点云数据格式进行转换，迭代最远点采样，对点云文件进行以原点为中心的归一化处理等数据预处理；搭建深度学习网络，训练该网络；将生成的残缺部分碎片与现实碎片配准而找到匹配碎片并进一步求点云的表面曲率进行距离与阈值比较步骤。本发明倒角距离损失与生成式对抗网络的鉴别器损失相结合，加上空间注意力和通道注意力模块，既考虑了全局特征，又保留了局部细节，提升了点云补全时的局部细节补全效果。CN115546050ACN115546050A权利要求书1/6页1.一种基于点云补全的陶瓷文物智能复原网络，其特征在于：所述智能复原网络为生成式对抗网络，包括生成器、鉴别器、设置参数模块、优化参数模块、参数倒角距离损失模块和鉴别器损失模块；所述生成器网络模块包括编码器、解码器；编码器的输出端接解码器的输入端，解码器的输出端分别接鉴别器和倒角距离损失模块的输入端，优化参数模块的输入端分别接倒角距离损失模块和鉴别器损失模块的输出端，其输出端经优化参数模块接设置参数模块的输入端；设置参数模块的输出端分别接生成器和鉴别器的输入端；所述编码器为多分辨率编码器，所述解码器为金字塔解码器，所述多分辨率编码器包括通道注意力单元、空间注意力单元。2.根据权利要求1所述的基于点云补全的陶瓷文物智能复原网络，其特征在于：所述编码器包括第一至第四MLP网络、第一拼接网络；所述第一MLP网络、第二MLP网络、第三MLP网络结构相同；所述解码器包括第一全连接层、重构网络；所述鉴别器网络模块包括顺次连接的第五MLP网络、第二拼接网络、第二全连接层；所述第一拼接网络的相应输入端分别接第一至第三MLP网络的输出端，其输出端依次经所述第四MLP网络、第一全连接层连接所述重构网络，所述重构网络的输出端分别连接第五MLP网络和倒角距离损失模块的输入端。3.根据权利要求2所述的基于点云补全的陶瓷文物智能复原网络，其特征在于：所述第一MLP网络包括卷积网络cov1‑cov2、通道注意力单元、空间注意力单元、卷积网络cov3‑cov6、最大池化单元maxpool1‑maxpool4、拼接模块cat1；所述第一拼接网络包括拼接模块cat2；所述第四MLP网络包括卷积网络cov1D；所述第一全连接层包括顺次连接的全连接层linear1‑linear3；所述重构网络包括重构层reshape1、相加重构reshape2‑reshape3；所述第五MLP网络包括顺次连接的卷积网络cov7‑cov10、最大池化单元maxpool5‑maxpool7；第二拼接网络包括拼接模块cat3；第二全连接层包括顺次连接的全连接子层linear4‑linear7和sigmoid函数层；所述卷积网络cov1‑cov2、通道注意力单元、空间注意力单元、卷积网络cov3‑cov6顺次连接，最大池化单元maxpool1‑maxpool4的输入端分别接卷积网络cov3‑cov6的相应输出端，其输出端接拼接模块cat1的相应输入端；拼接模块cat1的输出端作为第一MLP网络的输出端；拼接模块cat2的相应输入端分别接第一至第三MLP网络的输出端，其输出端依次经卷积网络cov1D接全连接层linear1的输入端；所述全连接层linear3的输出端连接所述重构层reshape1的输入端；所述相加重构reshape2的相应输入端分别连接所述重构层reshape1和全连接层linear2的输出端；所述相加重构层reshape3的相应输入端分别连接所述相加重构层reshape2和全连接层linear1的输出端，其输出端分别连接卷积网络cov7和倒角距离损失模块的输入端；最大池化单元maxpool5‑maxpool7的输入端分别接卷积网络cov3‑cov6的相应输出端，其输出端接拼