投影视图指导的点云形状无监督保细节补全网络.pdfVIP

第37卷第4期计算机辅助设计与图形学学报Vol.37No.4

2025年4月JournalofComputer-AidedDesignComputerGraphicsApr.2025

投影视图指导的点云形状无监督保细节补全网络

缪永伟,高伟豪,范然,刘复昌

(杭州师范大学信息科学与技术学院杭州311121)

(ywmiao@)

摘要:传统点云形状修补中通常需要以完整的点云数据作为先验进行有监督学习,导致点云修复补全网络的泛化

性和鲁棒性不理想;而经无监督学习策略生成的点云修复结果容易偏离输入的点云形状本身,导致其难以恢复原始

形状的精细细节结构.基于生成式对抗网络框架,借助待修复形状的三视角投影图像特征信息,提出一种投影视图

指导的三维点云形状无监督保细节补全网络.该网络包含点云形状修补分支和点云形状投影图像修复分支.首先网

络通过点云形状修复分支对采样的高斯噪声使用树形图卷积结构的点云生成器进行修复生成,以恢复模型的整体形

状从而得到粗修复点云,并使用DGCNN提取该粗修复点云的特征;然后网络通过点云形状投影图像修复分支对输

入模型进行三视角投影得到缺失点云的投影视图,其用于保留输入模型的细节结构;其次网络使用基于循环一致性

的图像生成器对这些投影视图进行修复并使用ResNet-18网络提取这些完整投影视图的特征,同时将得到的投影视

图特征和提取的点云特征计算特征距离损失;最后网络将该损失加入判别器中以判断生成点云的真假,同时反馈并

优化生成器,使生成器能够学习到输入点云的整体结构和细节信息.针对ShapeNet数据集进行网络训练,并使用

KITTI和ModelNet40数据集分别进行实验,结果表明,与已有的无监督补全网络修复结果相比,所提网络的平均CD

误差降低11.0%~41.0%,平均F1-Score提升0.8%~14.0%,能够有效地修复点云形状结构并恢复其形状细节,且对不

同程度数据缺失或含噪声的点云修复具有鲁棒性,该网络具有较好的泛化性.

关键词:点云;形状补全;生成对抗网络;无监督学习;投影视图

中图法分类号:TP391.41DOI:10.3724/SP.J.1089.2023-00441

AnUnsupervisedDetail-PreservingPointCloudCompletionNetworkGuided

byProjectionViews

MiaoYongwei,GaoWeihao,FanRan,andLiuFuchang

(SchoolofInformationScienceandTechnology,HangzhouNormalUniversity,Hangzhou311121)

Abstract:Traditionalsupervisedpointcloudcompletionmethodsalwaysrequirethecompletepointclouddataas

apriorinformation,whichleadtotheirpoorgeneralizationandlowrobustness.Meanwhile,thecompletionre-