CN114066772B 一种基于transformer编码器的牙体点云补全方法及系统 （南京理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114066772B(45)授权公告日2025.07.15

(21)申请号202111419107.6

(22)申请日2021.11.26

(65)同一申请的已公布的文献号申请公布号CN114066772A

(43)申请公布日2022.02.18

(73)专利权人南京理工大学

地址210094江苏省南京市玄武区孝陵卫

街道孝陵卫街200号

(72)发明人贾修一朱浩宇廖文和张长东刘婷婷

(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204

专利代理师徐红梅

(51)Int.CI.

GO6T5/77(2024.01)

GO6T5/60(2024.01)

GO6T3/4076(2024.01)

GO6T3/4046(2024.01)

GO6N3/045(2023.01)

GO6N3/0455(2023.01)

GO6N3/042(2023.01)

GO6N3/0464(2023.01)

GO6V10/44(2022.01)

GO6V10/42(2022.01)

GO6V10/762(2022.01)

GO6V10/774(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

(56)对比文件

CN113205104A,2021.08.03CN112967219A,2021.06.15审查员李孟敏

权利要求书4页说明书7页附图2页

(54)发明名称

开始使用DGCNN得到不完整牙体点云的聚类中心P

开始

使用DGCNN得到不完整牙体点云的聚类中心P和局部特征F

可用编码器挖掘潜在向量V,使用MLP恢复出低分辨率点云Y

使用多尺度点云生成器恢复出高分辨率点云Y

通过最小化Y_和Y,之间的切夫距离，训练出牙体补全模型

使用训练好的补全模型对测试数据进行补全，并进行指标评价

结束

(57)摘要

本发明公开了一种基于transformer编码器的牙体点云补全方法及系统，包括：S1、对不完整牙体点云进行处理，并根据得到的聚类中心P和局部特征下得到特征矩阵F’;S2、对聚类中心P和围绕各关键点的局部特征下进行编码，挖掘出用于描述缺失部位牙齿的潜在向量V,并从潜在向量预测出缺失牙齿的低分辨率点云Y;S3、将低分辨率点云Y。和潜在向量V结合构成重构特征R,从R和Y。恢复出高分辨率点云Y,组

m合Y。和Y得到最终牙体点云Ypred;S4、通过最小化Yprea和对应真实缺失牙齿金标准Yg之间的切夫距离，完成牙体补全网络的训练；S5、对测试数据

三进行补全，得到完整牙体点云，并使用指标进行评价。通过广泛的实验证明了本方法的有效性，并应用在了不完整牙体的点云补全上。

CN114066772B权利要求书1/4页

2

1.一种基于transformer编码器的牙体点云补全方法，其特征在于，包括以下步骤：

S1、使用动态图卷积神经网络DGCNN对统一尺度后的牙体点云数据集处理，得到聚类中心P,并提取出P中关键点的局部特征F;并根据聚类中心P和局部特征F得到特征矩阵F;

S2、利用transformer编码器对聚类中心P和围绕各关键点的局部特征下进行编码，挖掘出用于描述缺失部位牙齿的潜在向量V,使用一个多层感知机MLP从潜在向量V预测出缺失牙齿的低分辨率点云Y;

S3、将低分辨率点云Y。和潜在向量V结合构成重构特征R,使用多尺度点云生成器从R和Y恢复出高分辨率点云Y,组合Y和Y得到最终牙体点云Ypred;具体为：

多尺度点云生成器包括第四多层感知机和第五多层感知机，首先，将步骤S2得到的潜在向量V和低分辨率点云从第一维度连接在一起作为重构特征R,第四多层感知机从R预测出分辨率较高的中间点云，然后将中间点云与R进一步按第一维度连接在一起，作为第五多层感知机的输入，第五多层感知机预测出高分辨