申请/专利权人：华南理工大学

申请日：2022-04-01

公开（公告）日：2024-04-02

公开（公告）号：CN114862692B

主分类号：G06T5/70

分类号：G06T5/70;G06T17/00;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.08.23#实质审查的生效;2022.08.05#公开

摘要：本发明公开了一种基于标准化流理论的三维点云去噪方法，该方法首先处理三维网格并合成训练数据，设计、搭建并训练合适的维度增强模块、标准化流模块和噪声过滤模块。在去噪过程中，测试噪声点云会被分割成多个点块，点块输入到维度增强模块中提升特征维度，然后沿标准化流模块的正向传播，得到点块在隐空间下的表示。噪声过滤模块对隐空间下的点块过滤出噪声信息，将过滤后的点块沿标准化流模块的逆向传播，从而得到欧拉空间下的点块。最后，将点块合并即可得到去噪的点云数据。与现有的技术相比，本发明的点云去噪方法能在保留几何细节的同时，生成分布均匀的点云，同时该方法支持多种噪声类型和点云分辨率的去噪。

主权项：1.一种基于标准化流理论的三维点云去噪方法，其特征在于，所述三维点云去噪方法包括以下步骤：S1、合成三维物体表面的点云数据集，包括收集三维物体表面的三维网格数据，使用柏松碟采样算法从三维网格中采样点云数据，将点云分割成分辨率固定的点块；S2、构建基于标准化流的点云去噪网络，包括依次顺序连接的维度增强模块标准化流模块和噪声过滤模块S3、训练基于标准化流的点云去噪网络，点云去噪网络利用最小化损失的思想，以端到端的方式训练；在训练的每次迭代中，从点云数据集中随机选取点块先使用数据增强技术提高训练点块的多样性，再添加一种随机噪声到点块数据中，然后发送到点云去噪网络中训练；反复迭代训练过程，使用反向传播技术更新网络参数，直至点云去噪网络收敛；S4、点云分割，在测试使用时先将噪声点云分割成分辨率固定的点块并将点块内的坐标值归一化到[-1,1]的范围内，并记录归一化时每个点块的坐标位移和缩放比例；S5、点云去噪，将分割后的点块发送到经过训练的点云去噪网络中，其中N表示点块的分辨率，点云去噪网络首先通过维度增强模块提升点云数据的维度，过程表示为其中函数表示对点块维度增强的过程，表示维度增强后的点块数据，Da为增强的维度数；接着增强后的点块数据发送到标准化流模块中沿正向传播，得到点块在隐空间下的特征表示过程表示为其中表示噪声点云在隐空间下对应的隐变量，函数表示标准化流的正向传播过程，θ为标准化流模块的参数，D＝Da+3为每个点的维度增强后特征数；隐变量通过噪声过滤模块将其中的噪声特征去除，得到去噪后的隐变量过程表示为其中为噪声平滑函数；最后隐变量发送到标准化流模块中沿逆向传播，生成欧拉空间下的去噪点块过程表示为其中函数是的逆过程；S6、点云合并，根据记录的点块坐标位移和缩放比例恢复去噪点块在完整点云中的位置，然后合并所有的去噪点块并使用最远点采样算法下采样到目标点云分辨率，得到去噪后的三维物体表面的完整点云。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于标准化流理论的三维点云去噪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD