- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ComputerEngineeringandApplications计算机工程与应用2025,61(7)297
三维点云双重补全网络
1,2+132,41
吴萌,严瑞祺,孙增国,赵怀栋,何芊平
1.西安建筑科技大学信息与控制工程学院,西安710055
2.西安建筑科技大学交叉创新研究院,西安710055
3.陕西师范大学计算机科学学院,西安710119
4.西安建筑科技大学艺术学院,西安710055
+通信作者E-mail:wumeng@
摘要:受到传感器性能与采集遮挡等因素的影响,点云采集形成的连续缺失会严重影响被采集对象的形态与结构
的表达。因此,点云的补全成为三维点云重建中非常重要的环节。目前经过编码器-解码器(encoder-decoder)框架
来提取全局特征预测完整点云的点云补全网络,会使输入点云的几何结构被破坏,造成位移损失,使点云中点的分
布不均匀。为了改善上述问题,搭建了一个点云双重补全网络,第一重生成粗糙点云,再经过第二重精细化生成更
为精细的点云数据。并增加了一种基于多头自注意的全局特征感知模块和特征扩展模块。通过注意力机制感知聚
合点云特征,增强每个点的特征维度,有效地增强了点之间的相关性。最终,在编码器-解码器框架中利用这两个模块,
来增强点云补全的完整性和精细性,可以有效地恢复点云的结构。经过实验测试表明:在PCN数据集和Completion3D
-3-3
数据集中平均CD分别达到5.98×10和6.11×10,在可视化结果中与其他方法相比得到了更好的效果。
关键词:点云补全;多头注意力;特征扩展;双重网络
文献标志码:A中图分类号:TP396doi:10.3778/j.issn.1002-8331.2311-0299
3DPointCloudDualCompletionNetwork
1,2+132,41
WUMeng,YANRuiqi,SUNZengguo,ZHAOHuaidong,HEQianping
1.SchoolofInformationandControlEngineering,Xi’anUniversityofArchitectureandTechnology,Xi’an710055,China
2.InstituteforInterdisciplinaryInnovateResearch,Xi’anUniversityofArchitectureandTechnology,Xi’an710055,China
3.SchoolofComputerScience,ShaanxiNormalUniversity,Xi’an710119,China
4.SchoolofArt,Xi’anUniversityofArchitectureandTechnology,Xi’an710055,China
Abstract:Duetofactorssuchassensorperformanceandacquisitionobstructions,continuousgapsinpointcloudcollection
cansignificantlyimpacttherepresentationoftheformandstructureofthecapturedobject.Therefore,completingthe
pointcloudbecomesanessentialtaskinthree-dimensionalpointcloudanalysis.Currently,employinganencoder-decoder
frameworktoextractglobalfeatures
文档评论(0)