CN114693873B 一种基于动态图卷积和注意力机制的点云补全方法 （首都师范大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114693873B(45)授权公告日2025.07.04

(21)申请号202210315804.5

(22)申请日2022.03.29

(65)同一申请的已公布的文献号申请公布号CN114693873A

(43)申请公布日2022.07.01

(73)专利权人首都师范大学

地址100048北京市海淀区西三环北路105

号

专利权人北京空悟科技信息技术有限公司

(72)发明人张振鑫冷思仪钟若飞

(74)专利代理机构苏州科洲知识产权代理事务所(普通合伙)32435

专利代理师周亮

(51)Int.CI.

GO6T17/00(2006.01)

GO6N3/042(2023.01)

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

GO6V10/82(2022.01)

GO6V10/80(2022.01)

(56)对比文件

CN114004871A,2022.02.01

WenxiaoZhangetal..DetailPreservedPointCloudCompletionviaSeparated

FeatureAggregation.arxiv.2020,第3节.

LiangPan.ECG:Edge-awarePointCloudCompletionwithGraphConvolution.《IEEE

ROBOTICSANDAUTOMATIONLETTERS》.2020,第5卷(第3期),第3节.

WenxiaoZhangetal..PCAN:3D

AttentionMapLearningUsingContextualInformationforPointCloudBased

Retrieval.IEEE.2020,第1-3、6节.

审查员王展

权利要求书2页说明书8页附图2页

(54)发明名称

一种基于动态图卷积和注意力机制的点云补全方法

(57)摘要

CN114693873B本发明介绍了一种基于动态图卷积和注意力机制的点云补全方法，其包括：步骤S1、使用动态图卷积技术进行特征提取；步骤S2、结合注意力池化方法和最大池化方法的进行特征聚合；步骤S3、局部缺失空间目标特征补全与重建。本申请通过定义点云邻域和更新动态邻域图，然后结合动态邻域图进行点云的更新和密集连接；并使用注意力池化和最大池化结合的多通道方式进行点云的特征聚合，高效完成了缺失点云的补全，最大程度地保留和恢复了输入点云的细节和几何结构；而且本申请提出了一个一阶段模式的网络模型，融合了点云的逐点特征和全局几何特征，在特征空间上对点云进行补全，对特征进行

CN114693873B

InputPCNTopNetMSNCRNECGVRCNetOursGT

f

1

一

CN114693873B权利要求书1/2页

2

1.一种基于动态图卷积和注意力机制的点云补全方法，其特征在于，其包括：

步骤S1、使用动态图卷积技术进行特征提取；

步骤S2、结合注意力池化方法和最大池化方法的进行特征聚合；

步骤S3、局部缺失空间目标特征补全与重建；

所述S3步骤中特征补全与重建方法为使用特征补全模块对特征进行扩展和细化，并以此重建完整点云的坐标，所述特征补全模块为层次残差结构，具体包括以下步骤：

S301、首先通过共享多层感知机得到大小为N×C的特征矩阵L。,C表示特征维度，N表示个数；

S302、然后对变换后的特征矩阵复制r倍以获得新的特征图；

S303、生成r个不同的二维网格，包含m个网格点，然后将其扩展为重复特征的大小，将网格点的坐标与重复特征进行拼接；

S304、通过自注意力机制单元和共享多层感知机得到大小为rN×C的扩张特征矩阵H?;

S305、对特征H?进行重新塑形，恢复到与L?维度相同的特征矩阵L?,对L?和L。作差，得到残差△L;

S306、将△L再通过S302-S304的步骤获得扩张残差特征H,最终