公开(公告)号：CN113379646A

公开(公告)日：2021-09-10

申请号：CN202110768864.8

申请日：2021-07-07

Applicant: 厦门大学

Inventor： 李渊 ,  陈一平 ,  李国艳 ,  程明 ,  王程 ,  李军 ,  竞雄

IPC: G06T5/00 ,  G06T17/20 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种利用生成对抗网络进行稠密点云补全的算法，包括以下步骤：S1、设定生成器，将缺失点云输入EncoderC编码器提取特征，得到高维全局特征向量GFVx；S2、利用生成器将目标点云经过EncoderN‑DPC编码器，得到高维全局特征向量GFVy；S3、利用生成对抗网络在高维全局特征向量空间训练，实现x→y之间的“风格迁移”；S4、从生成器生成的新特征向量GFVG(x)通过解码器DecoderN‑DPC补全得到稠密点云；本发明当点云80％比例缺失时其补全点云分类精度高达86.5％。

公开(公告)号：CN113379646B

公开(公告)日：2022-06-21

申请号：CN202110768864.8

申请日：2021-07-07

Applicant: 厦门大学

Inventor： 李渊 ,  陈一平 ,  李国艳 ,  程明 ,  王程 ,  李军 ,  黄竞雄

IPC: G06T5/00 ,  G06T17/20 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种利用生成对抗网络进行稠密点云补全的算法，包括以下步骤：S1、设定生成器，将缺失点云输入EncoderC编码器提取特征，得到高维全局特征向量GFVx；S2、利用生成器将目标点云经过EncoderN‑DPC编码器，得到高维全局特征向量GFVy；S3、利用生成对抗网络在高维全局特征向量空间训练，实现x→y之间的“风格迁移”；S4、从生成器生成的新特征向量GFVG(x)通过解码器DecoderN‑DPC补全得到稠密点云；本发明当点云80％比例缺失时其补全点云分类精度高达86.5％。